文献

J-GLOBAL ID：202102238171022945   整理番号：21A2869816

機械学習モデリングによる促進効率の微分ベンチマークについて(II):実際的応用【JST・京大機械翻訳】

On the differential benchmarking of promotional efficiency with machine learning modelling (II): Practical applications

著者 (5件)： Soguero-Ruiz Cristina (Signal Theory and Communications Department, University Rey Juan Carlos, Camino del Molino s/n, Fuenlabrada, 28943 Madrid, Spain) ,  Gimeno-Blanes Francisco-Javier (Signal Theory and Communications Department, University Miguel Hernandez, Av. Universidad s/n, Elche, 03202 Alicante, Spain) ,  Mora-Jimenez Inmaculada (Signal Theory and Communications Department, University Rey Juan Carlos, Camino del Molino s/n, Fuenlabrada, 28943 Madrid, Spain) ,  Martinez-Ruiz Maria Pilar (Commercialization and Market Research Department, University of Castilla-La Mancha, Av. de los Alfares, 44, Cuenca 16071, Spain) ,  Rojo-Alvarez Jose-Luis (Signal Theory and Communications Department, University Rey Juan Carlos, Camino del Molino s/n, Fuenlabrada, 28943 Madrid, Spain)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 39  号： 17  ページ： 12784-12798  発行年： 2012年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習技法によって構築されたモデルによる促進販売の評価は,他の理由の中で,同時および同時促進活動のより複雑な環境につながる現在の経済状況に対して,興味を喚起している。操作モデル診断手順を,以前に,コンパニオン論文で提案して,それは,機械学習アルゴリズムのアーキテクチャと実装詳細に関するアジャイル意思決定と,モデル間の微分ベンチマークのために,容易に使用することができる。本論文では,モデル解析の詳細な例を,異なる促進行動,すなわち非季節カテゴリー(ミルク)と重度季節カテゴリー(ビール)を持つ2つの代表的データベースに対して提示した。ここでは,複雑さの増加による4つのよく知られた機械学習技術の性能を詳細に解析した。特に,k-最近傍,一般的回帰ニューラルネットワーク,多層パーセプトロン(MLP),およびサポートベクトルマシン(SVM)を,差別的に比較する。本論文では,コンパニオン論文で得られた方法論的知見を適用した場合,両カテゴリーについて記述された実験に沿ってこれらの技術を評価した。アーキテクチャに含まれるいくつかの要素が,SVMモデルにおけるカーネルの半パラメトリック性質のような機械学習促進モデルの良好な性能に必須ではなく,他のものはMLP回帰スキームにおける多重出力モデルの利便性のようなデータベースに強く依存すると結論した。さらに,あるカテゴリーと製品範囲の挙動の特異性は,より良い予測と特徴抽出のための適切で特異的な手順を確立する必要性を決定する。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  データベース ,  ニューラルネットワーク ,  特徴抽出 ,  ビール ,  *微分 ,  経済状態 ,  多重化 ,  *ベンチマーク ,  計算機アーキテクチャ ,  多層パーセプトロン ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： 差別 , 【Automatic Indexing@JST】

著者キーワード (6件)： 販売促進 ,  機械学習 ,  ブートストラップ ,  価格指数 ,  マーケティング ,  加工

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 機械学習 ,  モデリング ,  促進 ,  微分 ,  ベンチマーク ,  実際的応用