淘宝网面膜销售量影响因素分析

论文摘要

随着人们对护肤品的消费需求越来越高,面膜作为护肤品中的一个类别,受到广大消费者的青睐。本文针对我国最大的电商平台淘宝网爬取了4426条数据进行描述性统计分析,通过建立算法模型研究了淘宝网面膜销售量的影响因素,旨在帮助淘宝网面膜买卖双方提供更好的决策。本文的主要思路是构建决策树、随机森林和支持向量机三个模型,根据混淆矩阵得出的分类预测准确率,对以上三个模型进行评估,选出准确率最高的模型为最优模型,进而从此最优模型出发得到影响淘宝网面膜销售量的重要影响变量。具体工作概括如下:1.收集并整理数据。利用八爪鱼采集器爬取淘宝网面膜信息共计4426条,包括面膜的月销量、评价、品牌、价格、店铺所在地、产地、功效等方面。对这些数据进行清洗和特征构造,使之适应本文所选模型的建立。2.数据的描述性统计分析。从月销量、评价、品牌、价格、店铺所在地、产地、功效七个方面对面膜数据做描述性统计分析。通过对这些指标的描述性统计分析,了解其分布规律,初步探索各类指标与面膜销售量之间的关系。3.面膜销售量的离散化处理。本文研究的是面膜销量影响因素分析,分析思路是把面膜销售量进行离散化处理,把面膜销售量的分析转化为分类问题,根据面膜销售量分别给出类别标签,以适应选取的分类模型。4.建立面膜销售量影响因素的分类算法模型。首先采用决策树模型、其次是建立随机森林模型,在此基础上,构建支持向量机模型;最后对三种模型编制混淆矩阵,并得出每种模型下的变量重要性排名、AUC值及准确率,以判断所建立的三种模型是否合适。通过上述研究,发现选取的模型均可以用来研究面膜销售量的影响因素,其中支持向量机模型的分类预测准确率更高,效果更好,因此支持向量机模型为最优模型,进而从此模型出发可以得到面膜销售量的高低与价格、评价、产品功效等因素息息相关。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 研究背景及意义
•     1.1.1 研究背景
•     1.1.2 研究意义
•   1.2 文献综述
•   1.3 论文研究内容与创新之处
•     1.3.1 研究内容
•     1.3.2 研究方法
•     1.3.3 创新之处
• 2 数据预处理与描述性统计分析
•   2.1 数据来源与说明
•   2.2 数据预处理
•     2.2.1 数据清理
•     2.2.2 数据集成
•     2.2.3 数据归约
•   2.3 淘宝网面膜销售描述性统计分析
•   2.4 本章小结
• 3 面膜销售量影响因素的决策树模型
•   3.1 问题描述与面膜销量的离散化
•   3.2 决策树模型概述
•   3.3 决策树模型构建与分析
•   3.4 本章小结
• 4 面膜销售量影响因素的随机森林模型
•   4.1 随机森林模型概述
•   4.2 随机森林模型构建与分析
•   4.3 本章小结
• 5 面膜销售量影响因素的支持向量机模型
•   5.1 支持向量机模型概述
•   5.2 支持向量机模型构建与分析
•   5.3 本章小结
• 6 结论与展望
•   6.1 结论
•   6.2 建议对策
•   6.3 展望
• 致谢
• 参考文献
• 攻读硕士学位期间科研成果

文章来源

类型: 硕士论文

作者: 卿林玉

导师: 张文专

关键词: 面膜,淘宝网,销售量,决策树,随机森林,支持向量机

来源: 贵州财经大学

年度: 2019

分类: 基础科学,信息科技,经济与管理科学

专业: 数学,自动化技术,工业经济,贸易经济

单位: 贵州财经大学

分类号: O212;F724.6;F426.72;TP18

DOI: 10.27731/d.cnki.ggzcj.2019.000053

总页数: 57

文件大小: 2914K

下载量: 437