prikaz prve stranice dokumenta Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca
Pristup korisnicima matične ustanove
diplomski rad
Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca
diplomski rad
2022. urn:nbn:hr:124:906686
Marković, Marko
Sveučilište u Splitu
Ekonomski fakultet

Citirajte ovaj rad

Marković, M. (2022). Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad (Diplomski rad). Split: Sveučilište u Splitu, Ekonomski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:124:906686

Marković, Marko. "Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad." Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:124:906686

Marković, Marko. "Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad." Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:124:906686

Marković, M. (2022). 'Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad', Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, citirano: 20.12.2024., https://urn.nsk.hr/urn:nbn:hr:124:906686

Marković M. Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad [Diplomski rad]. Split: Sveučilište u Splitu, Ekonomski fakultet; 2022 [pristupljeno 20.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:124:906686

M. Marković, "Usporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad", Diplomski rad, Sveučilište u Splitu, Ekonomski fakultet, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:124:906686

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:124:906686
Podaci o radu
NaslovUsporedba algoritama nenadziranog strojnog učenja pri segmentaciji kupaca : diplomski rad
AutorMarko Marković
MentorŽeljko Garača (mentor)
MBZ: 148451
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Ekonomski fakultet
Split
Datum i država obrane2022-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Poslovna informatika
Sažetak
Segmentacija tržišta jedan je od glavnih procesa marketinga. Krajem 20. i početkom 21. stoljeća razvija se područje umjetne inteligencije i strojnog učenja. Nenadzirano strojno učenje se pokazalo kao jedna od grana koja je iznimno dobra u prepoznavanju i grupiranju uzoraka. K-Means i Hijerarhijski algoritam jedni su od najčešće korištenih algoritama u primjeni pri segmentaciji potrošača. Ovakvi algoritmi se često smatraju rezerviranim za velike baze podataka. Cilj ovog rada bio je ispitati karakteristike primjene ovakvih algoritama pri segmentaciji potrošača na manjim setovima podataka. Sukladno tomu usporediti algoritme s obzirom na rezultate segmentacije i dati odgovore na istraživačka pitanja. Pri ovom istraživanju korištena su dva seta podataka, jedan sa 500, a drugi sa 200 unosa. Svaki set sadržao je 5 varijabli. Setovi su obrađeni putem K-Means i Hijerarhijskog algoritma unutar programskog jezika Python. Primjena algoritama bila je moguća na manjim setovima podataka, ali uz kompromise u preciznosti, efikasnosti i jednostavnosti upotrebe.
Sažetak (engleski)
Market segmentation is one of the main marketing processes. At the end of the 20th and beginning of the 21st century, the field of artificial intelligence and machine learning has greatly developed. Unsupervised machine learning has proven to be one branch that is extremely good at recognizing and grouping patterns. K-Means and the Hierarchical Algorithm are one of the most commonly used algorithms in consumer segmentation. Such algorithms are often considered to be reserved for large databases. The aim of this paper was to examine the characteristics of the application of such algorithms in consumer segmentation on smaller data sets. Accordingly, compare algorithms with respect to segmentation results and provide answers to research questions. In this research, two sets of data were used, one with 500 and the other with 200 entries. Each set contained 5 variables. The sets were processed using K-Means and the Hierarchical Algorithm within the Python programming language. Application of algorithms was possible on smaller data sets, but with compromises in precision, efficiency and ease of use.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:124:906686
Studijski programNaziv: Poslovna ekonomija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra ekonomije (mag. oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-11-22 10:18:05