Predicción de categorías de productos en el sector minorista utilizando técnicas de aprendizaje supervisado

RESUMEN : En esta monografía de trabajo de grado, se lleva a cabo un análisis detallado de un extenso conjunto de datos de ventas minoristas que se obtiene de la plataforma kaggle. Este conjunto de datos abarca un período de tiempo desde el año 2021 hasta el 2023 e incluye información crucial sobre las transacciones de compra realizadas en un total de 10 tiendas ubicadas en Estambul. Los datos contienen una amplia gama de variables, como identificaciones de clientes, edades, géneros, métodos de pago, categorías de productos, cantidades, precios, fechas de pedidos y nombres de tiendas. Se pretende evaluar y comparar diversos algoritmos de aprendizaje automático, con el fin de clasificar las categorías de los productos y obtener el mejor modelo de clasificación. Para ello, se utilizan algoritmo tales como Naive Bayes, Arboles de Decisión, Random Forest, Ada Boost, Gradient Boosting y redes neuronales. El desempeño de los seis modelos se evaluará con las métricas acuracy, precisión, recall y F1 score.

• Autores: Ipia Guzmán, Maria del mar
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/37576
• Acceso en línea: https://hdl.handle.net/10495/37576
• Palabra clave: Ventas; Sales; Aprendizaje supervisado (Aprendizaje automático); Supervised learning (Machine learning); Técnicas de predicción; Forecasting techniques; Comportamiento del consumidor; Consumer behavior; Ventas minoristas
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/