Gépi tanuláson alapuló regressziós modell alkalmazása fogyasztói magatartás előrejelzésére.

A tétel rövid nézete
dc.contributor.advisorHarangi, Balázs
dc.contributor.authorMadár, László Adrián
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2025-02-22T22:46:17Z
dc.date.available2025-02-22T22:46:17Z
dc.date.created2024-11-19
dc.description.abstractSzakdolgozatom célja a fogyasztói magatartás előrejelzése mélytanuló és gépi tanulási modellek segítségével. Az elemzéshez különböző időjárási, környezeti és gazdasági adatokat gyűjtöttem, amelyeket egységes adattáblákba integráltam és adattisztítási lépésekkel előkészítettem. Röviden bemutatom a modellek elméleti hátterét, és legfőbb paramétereiket. Az elemzés során Lineáris Regressziót, MLP neurális hálózatot, Random Forest algoritmust, valamint ARIMA és LSTM idősoros modelleket használtam. A modellek implementációját Python nyelven valósítottam meg a TensorFlow, Scikit-learn és Pandas könyvtárak segítségével. Az eredményeket különböző metrikák alapján értékeltem és vizualizáltam. Az összehasonlítás rámutatott az egyes modellek hatékonyságára a fogyasztói magatartás előrejelzésében.
dc.description.courseGazdaságinformatikus
dc.description.degreeBSc/BA
dc.format.extent56
dc.identifier.urihttps://hdl.handle.net/2437/387460
dc.language.isohu
dc.rights.accessHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectMélytanuló algoritmusok
dc.subjectAdatelemzés
dc.subjectAdatvizualizáció
dc.subjectGépi tanulás
dc.subject.dspaceInformatika::Információtechnológia
dc.titleGépi tanuláson alapuló regressziós modell alkalmazása fogyasztói magatartás előrejelzésére.
dc.title.translatedApplying a machine learning-based regression model to predict consumer behavior.
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
2.22 MB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)