Maskininlärningsmetoder för Lookalikemodellering Identifikation av prenumerantlika beteenden hos läsare av onlinetidningar

Typ
Examensarbete för kandidatexamen
Bachelor Thesis
Program
Engineering Physics (300 hp)
Publicerad
2015
Författare
Abrahamsson, Oskar
Alexander, Kuzmin
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Vi har undersökt möjligheten att tillämpa modeller från maskininlärning på besöksdata från onlinetidningar för att identifiera läsare med liknande beteenden. För att kunna erhålla ett konkret resultat har vi begränsat oss till att undersöka modeller där vi försöker förutspå om en användare är prenumerant eller inte, utifrån dennes läsvanor på nyhetssajter. Vi har använt en modell som bygger på ett rekommendationssystem, och en annan modell som bygger på klassifikationsalgoritmen Random Forest. I uppsatsen beskrivs hur algoritmer och data behandlas för att kunna göra förutsägelser. Modellerna har tränats mot insamlad data och lyckas nå 97 % träffsäkerhet i förutsägelser.
Beskrivning
Ämne/nyckelord
Matematik , Grundläggande vetenskaper , Mathematics , Basic Sciences
Citation
Arkitekt (konstruktör)
Geografisk plats
Byggnad (typ)
Byggår
Modelltyp
Skala
Teknik / material
Index