Modelo de random forest aplicado a ventas cruzadas en un e-commerce de telefonía móvil para la predicción de compra o no compra de productos

• Autor: Vega Alaluna, Jhosep Antony
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/1674
• Enlace del recurso: https://hdl.handle.net/20.500.12867/1674
• Nivel de acceso: acceso abierto
• Materia: Minería de datos; Comercio electrónico; https://purl.org/pe-repo/ocde/ford#2.02.04

El objetivo de la presente investigación es realizar una propuesta para el análisis en la implementación de una técnica de machine learning para la predicción de la compra o no compra de productos a través de una web de e-commerce. Existe un auge en estos tiempos para la venta y compra de productos por internet, para muchas de las transacciones realizadas es necesario hacer previamente una identificación en el sistema web. Es por ello que la empresa “Movistar” cuenta con data de sus clientes. Esto hace posible la implementación de técnicas de machine learning para la predicción de la compra o no compra. El trabajo consiste en validar si la aplicación de Random Forest (Modelo de Árboles de Decisión) da un buen performance al momento de la realización del modelo. Previamente se realiza el tratamiento de la data y se analiza las diferentes variables. Como resultado de la implementación de Random Forest en data ficticia se obtuvo un buen performance para la predicción de resultados. Se recomienda mejorar la calidad de las variables y trabajar con data real, ya que los resultados varían de acuerdo a la base de datos. También es recomendable implementar otros modelos de clasificación.