Uma análise exploratória da influência da detecção de outliers na precificação de produtos em e-commerce.

Abstract

O meio eletrônico tem se tornado mais presente na vida da sociedade e cada vez mais os consumidores buscam por comodidade e praticidade ao realizar suas compras. Surge então o e-commerce, um modelo de negócio tão moderno que, associado a outras tecnologias, traz consigo a possibilidade de utilização de algoritmos de aprendizado de máquina para alavancar vendas e melhorar a experiência do usuário. Em um contexto atual, onde existem inúmeras empresas que entram em um modelo de negócio tão novo quanto o e-commerce e encontram um ambiente extremamente competitivo, um processo eficaz de precificação de produtos é a chave entre o sucesso e o fracasso. Torna-se extremamente interessante a utilização da inteligência artificial para sanar tal problema. Tópicos de aprendizado de máquina são amplamente estudados na literatura e, na prática, treinar algoritmos com conjunto de dados que possuem um número significativo de anomalias (outliers) pode levar a resultados indesejados. Este trabalho tem como principal objetivo realizar uma análise exploratória para predizer o preço de itens vendidos por meio do e-commerce, analisando o desempenho do aprendizado de um algoritmo antes e após a remoção de outliers. Neste trabalho foi utilizado um modelo de Floresta Aleatória (Random Forest) associado a algoritmos de detecção de outliers, verificando e comparando os resultados obtidos através da técnica de validação cruzada. Por fim, foi possível concluir que existe uma melhora significativa quando se associa algoritmos de detecção de outlier a um modelo de Floresta Aleatória.