Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/3809
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorGertrudes, Jadson Castropt_BR
dc.contributor.advisorSantana, Adrielle de Carvalhopt_BR
dc.contributor.authorGuimarães, Gabriel Bueno-
dc.date.accessioned2022-01-21T00:13:03Z-
dc.date.available2022-01-21T00:13:03Z-
dc.date.issued2022pt_BR
dc.identifier.citationGUIMARÃES, Gabriel Bueno. Uma análise exploratória da influência da detecção de outliers na precificação de produtos em e-commerce. 2022. 56 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/3809-
dc.description.abstractO 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.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectAlgoritmos computacionais - floresta aleatóriapt_BR
dc.subjectComércio eletrônicopt_BR
dc.titleUma análise exploratória da influência da detecção de outliers na precificação de produtos em e-commerce.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeSilva, Pedro Henrique Lopespt_BR
dc.contributor.refereeReis, Agnaldo José da Rochapt_BR
dc.contributor.refereeGertrudes, Jadson Castropt_BR
dc.contributor.refereeSantana, Adrielle de Carvalhopt_BR
dc.description.abstractenThe electronic medium has become more present in society’s life and consumers are increasingly looking for convenience and convenience when shopping. Then comes e-commerce, a business model so modern that, associated with other technologies, brings with it the possibility of using machine learning algorithms to leverage sales and improve the user experience. In a current context, where there are numerous companies that enter a business model as new as e-commerce and find an extremely competitive environment, an effective product pricing process is the key between success and failure. It becomes extremely interesting to use artificial intelligence to solve this problem. Machine learning topics are widely studied in the literature and, in practice, training algorithms with data sets that have a significant number of anomalies (outliers) can lead to undesired results. The main objective of this work is to carry out an exploratory analysis to predict the price of items sold through e-commerce, analyzing the performance of learning an algorithm before and after removing outliers. In this work, a Random Forest Random Forest model associated with outlier detection algorithms was used, verifying and comparing the results obtained through the cross-validation technique. Finally, it was possible to conclude that there is a significant improvement when associating outlier detection algorithms to a Random Forest model.pt_BR
dc.contributor.authorID17.1.1140pt_BR
Aparece nas coleções:Engenharia de Controle e Automação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_AnaliseExploratóriaInfluência.pdf2,16 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons