Especializaciones de la Facultad de Ingeniería · 2023
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.
Texto completo 52 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Resumenp. 9
- Abstractp. 10
- Descripción del problemap. 11
- Problema de negociop. 11
- Aproximación desde la analítica de datosp. 12
- Origen de los datosp. 13
- Métricas de desempeñop. 13
- Objetivosp. 15
- Objetivo generalp. 15
- Objetivos específicosp. 15
- Fuente de datos y análisis descriptivop. 16
- Datos originales y análisis descriptivop. 17
- Datasetsp. 17
- Analítica descriptivap. 18
- Metodologíap. 24
- Análisis estadísticop. 25
- Tablas de contingenciap. 25
- Test chi-cuadradop. 27
- Matriz de Información Mutua (MIM)p. 28
- Correlación entre variables numéricasp. 29
- Preprocesamientop. 30
- Imputación de datosp. 30
- Datos atípicosp. 30
- Normalización de los datosp. 31
- Transformacionesp. 33
- Modelos implementadosp. 34
- Naive Bayesp. 35
- Árbol de decisión (Decision Tree)p. 35
- Random Forestp. 36
- Adaptive Boost (AdaBoost)p. 37
- Redes Neuronalesp. 37
- Métricasp. 38
- Matriz de confusiónp. 38
- Exactitud (Accuracy)p. 39
- Sensibilidad (Recall)p. 39
- Precisión (Precision)p. 40
- F1 scorep. 40
- Resultados y discusiónp. 41
- Conclusionesp. 48
- Referenciasp. 51
- Tabla 1. Variables del conjunto de datosp. 17
- Tabla 2. Transacciones realizadas por medio de pago y génerop. 26
- Tabla 3. Transacciones realizadas por medio de pago y locaciónp. 26
- Tabla 4. Transacciones realizadas por género y locaciónp. 27
- Tabla 5. Resultados test chi-cuadradop. 27
- Tabla 6. Resultados de los modelos implementadosp. 44
- Tabla 7. Validación cruzada del modelo Random Forestp. 46
- Figura 1. Distribución por género en el total de compras realizadasp. 19
- Figura 2. Distribución por medio de pago en el total de compras realizadasp. 19
- Figura 3. Distribución por locación en el total de compras realizadasp. 20
- Figura 4. Distribución por categoría del producto en el total de compras realizadasp. 21
- Figura 5. Distribución de edades de los participantes en el conjunto de datosp. 22
- Figura 6. Distribución de cantidades de productos comprados en el conjunto de datosp. 22
- Figura 7. Distribución de precios de los productos en el conjunto de datosp. 23
- Figura 8. Flujo de trabajo para el desarrollo y validación del modelop. 24
- Figura 9. Matriz de información mutua de las variables categóricasp. 28
- Figura 10. Mapa de calor de las variables numéricasp. 29
- Figura 11. Diagrama de cajas de las variables numéricas del conjunto de datosp. 30
- Figura 12. Diagrama de cajas normalizado de las variables numéricasp. 31
- Figura 13. Diagrama de cajas normalizado de la variable preciop. 32
- Figura 14. Diagrama de cajas de la edad de los participantes en el conjunto de datosp. 32
- Figura 15. Diagrama de cantidad de productos comprados en el conjunto de datosp. 33
- Figura 16. Distribución de las transacciones por categoría de los productosp. 33
- Figura 17. Distribución de las transacciones por categorías agrupadasp. 34
- positivos, FN son los falsos negativos y VN los verdaderos negativosp. 39
- Figura 19. Distribución por categorías y género en el total de compras realizadasp. 41
- Figura 20. Distribución de compras por categorías y rango de edadesp. 42
- Figura 21. Distribución de compras por medios de pago y rango de edadesp. 43
- Figura 22. Arquitectura de red neuronalp. 47
- Figura 23. Aplicación para la clasificación de categorías de ventasp. 48