پیش بینی قیمت خرید مشتریان دیجی کالا به کمک تکنیک های داده کاوی در رپیدماینر

در این پروژه که با نرم افزار داده کاوی رپید ماینر مدل سازی شده است بروی داده های مربوط به حدود ۲۰۰ هزار سطر عملیات دسته بندی با استفاده از الگوریتم رگرسیون انجام شده است. همراه با ویدیو آموزشی منحصر به فرد

دیتاست مورد نظر ما حاوی یکسری ستون ها به ترتیب زیر می باشند.

• order_id : شماره فاکتور
• user_id : شماره مشتری
• variant_id : شماره خرید
• product_id : شماره محصول
• quantity : تعداد خرید
• Price : مبلغ خرید
• Date : تاریخ
• city_id : کد شهر
• city_name : نام شهر
• state_id : کد استان
• state_name : نام استان

می باشد که ستون مربوط به قیمت همان Price می باشد که قرار است ما آن را پیش بینی کنیم. ما قصد داریم این ستون را طبقه بندی و پیش بینی کنیم. این کار را به کمک الگوریتم رگرسیون انجام می دهیم.

فاز پیش پردازش

ابتدا برخی از ستون ها که نیاز نداریم باید حذف کنیم سپس به منظور پیش پردازش داده ها از Replace Missing Values استفاده کردیم و داده های بدرد نخور را حذف و تغییر شکل دادیم. بعلاوه از کنترل Normalize در رپیدماینر استفاده کردیم که صحت کار را بالا می برد.

پیش از ورود به بحث پیش پردازش سمت رپیدماینر در ابتدای امر باید با یکسری از کامپوننت ها در رپیدماینر آشنا شویم. ما یک دیتاست داریم که حاوی یکسری اطلاعات مورد نیاز برای داده کاوی می باشد. ما قصد داریم ستون Price  را پیش بینی کنیم.

ما باید به کمک کنترل های مربوطه آنها را وارد رپیدماینر کنیم. در ابتدا دیتاست ما یک فایل با پسوند XLSX می باشد. نتیجتا به کمک کامپوننت زیر قادر به خواندن اطلاعات از اکسل هستیم.

امکانات

۱- داکیومنت کامل در خصوص پیاده سازی همه مراحل کار در فرمت ورد

۲- دیتاست

۳- یک ویدیو کامل از مراحل پیاده سازی یک پروژه عملی رپیدماینر