АНАЛИЗ ПРЕДПОЧТЕНИЯ ПОЛЬЗОВАТЕЛЕЙ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Аннотация

В данной работе были рассмотрены методы классического машинного обучения и нейронных сетей для анализа предпочтений пользователей мобильных приложений. В качестве целевого значения и критерия предпочтения был взят средний рейтинг приложения. Был использован датасет из открытого источника Kaggle, далее была проведена очистка, предобработка данных. Проведен сравнительный анализ 3 классических методов машинного обучения, среди которых linear regression, random forest, XGBoost, а также 3 модели нейронных сетей, из которых ANN, CNN, RNN, для прогнозирования средних оценок пользователей приложения исходя из 7 признаков. Так как датасет относительно небольшой с простой структурой данных, некоторые модели нейронных сетей не смогли полностью раскрыть весь свой потенциал. Наилучшую производительность показала модель XGBoost, что показывает пользу данной модели в таком виде данных. Немного хуже показала модель CNN, так как она предназначена для выявления важных зависимостей в сложных данных. Были выявлены наиболее важные признаки, которые больше всего помогли в прогнозировании значения рейтинга пользователей, среди которых типы, установки, жанры, категории, и другие. В будущем, работая с задачей принятий решений в области улучшения вовлеченности пользователей, эта работа поможет в определении подходящей модели и входных признаков, на которые стоит обратить внимание при создании или улучшении приложения.