Predicción de la demanda de Smartphone de introducción al mercado Colombiano mediante modelos de Machine Learning
El proyecto tiene objetivo pronosticar la cantidad de ventas para productos de introducción al mercado colombiano de equipos celulares. Se entrenaron y validaron distintos modelos de machine learning como lo son: árboles de decisión, bosques aleatorios, máquinas de soporte vectorial, redes neuronale...
Saved in:
| Institution: | Fundación Universitaria Konrad Lorenz |
|---|---|
| Main Authors: | , , |
| Format: | Trabajo de grado - Maestría |
| Language: | Español |
| Published: |
Bogotá D.C : Fundación Universitaria Konrad Lorenz, 2022
2022
|
| Subjects: | |
| Online Access: | https://repositorio.konradlorenz.edu.co/handle/001/5210 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | El proyecto tiene objetivo pronosticar la cantidad de ventas para productos de introducción al mercado colombiano de equipos celulares. Se entrenaron y validaron distintos modelos de machine learning como lo son: árboles de decisión, bosques aleatorios, máquinas de soporte vectorial, redes neuronales y XGBoost Regressor.
La metodología empleada se basa en la técnica CRISP_DM, la cual se aplicó para una empresa de telecomunicaciones, tomando como base los datos correspondientes a los históricos de venta de equipos celulares de línea, vendidos entre el periodo de enero a junio del año 2022. Se tomaron en consideración las características del producto como variables independientes.
El mejor modelo se seleccionó por medio de las métricas más frecuentemente usadas como el RSME, MAE y MAPE. Teniendo como resultado el modelo XGBoost Regressor por mejor desempeño.
The objective of the project is to forecast the amount of sales for products to be introduced in the Colombian market of cellular devices. Different machine learning models were trained and validated, such as: decision trees, random forests, support vector machines, neural networks and XGBoost Regressor.
The methodology used is based on the CRISP_DM technique, which was applied for a telecommunications company, taking as a basis the data corresponding to the historical sales of cellular line equipment sold between January and June 2022. Product characteristics were taken into consideration as independent variables.
The best model was selected by means of the most frequently used metrics such as RSME, MAE and MAPE. As a result, the XGBoost Regressor model was selected as the best performing model.
|
|---|---|
| Physical Description: | 86 páginas: tablas; figuras |
