|
|
|
|
| LEADER |
02594na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid6722
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Buhiniček, Tomislav
|9 40119
|
| 245 |
1 |
0 |
|a Analiza i predikcija aktivnosti korisnika sportske aplikacije :
|b diplomski rad /
|c Tomislav Buhiniček ; [mentor Tomislav Burić].
|
| 246 |
1 |
|
|a Analysis and Prediction of User Activity in Sports Application
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b T. Buhiniček,
|c 2019.
|
| 300 |
|
|
|a 42 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2019-06-28, datum završetka: 2019-07-04
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Cilj ovog rada bio je predikcija kvalitete korisnika na temelju akcija unutar aplikacije u prvih 7 dana korištenja. Na početku su određene najvažnije akcije koje korisnik može napraviti u aplikaciji. Nakon što su skupljeni podaci, podaci su agregirani s obzirom na korisnika. Iz tako dobivenih podataka napravljena je analiza iz kojih država dolaze korisnici i kojim danima u tjednu. Nakon toga su rađeni modeli koji bi predvidjeli broj impresija na temelju broja akcija nakon 7 dana. Rezultati nisu bili dobri pa su korisnici podijeljeni u 5 kategorija ovisno o kvaliteti. Korištenjem više metoda (Multinomijalna logistička regresija, slučajne šume, Gradient Boosting i metoda glasanjem ), dobiveni su bolji rezultati.
|
| 520 |
3 |
|
|a Sažetak na engleskom: The main goal of this master thesis was to predict the quality of users based on actions within the app in the first 7 days of use. Firstly, the most important actions that a user can perform in the app were defined. Once data were collected, they were grouped by the user and then aggregated. From these data it was analyzed from which country and on which days of the week the users utilized the app. After that, models were created that would predict the number of impressions based on the number of actions made by users after the first 7 days. The results were not good, so users were divided into 5 categories depending on their quality. Using multiple methods (Multinomial Logistic Regression, Random Forests, Gradient Boosting and Voting Classifier), better results were obtained.
|
| 653 |
|
1 |
|a korisnik
|a akcije
|a analiza
|a korelacija
|a modeli
|a predviđanje
|
| 653 |
|
1 |
|a a user
|a actions
|a analyzed
|a correlation
|a models
|a predicting
|
| 700 |
1 |
|
|a Burić, Tomislav
|4 ths
|9 33200
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 50848
|d 50848
|