umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Binary classification for predicting propensity to buy flight tickets.: A study on whether binary classification can be used to predict Scandinavian Airlines customers’ propensity to buy a flight ticket within the next seven days.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Svensk titel: Binär klassificering applicerat på att prediktera benägenhet att köpa flygbiljetter. (Svenska)
Abstract [en]

A customers propensity to buy a certain product is a widely researched field and is applied in multiple industries. In this thesis it is showed that using binary classification on data from Scandinavian Airlines can predict their customers propensity to book a flight within the next coming seven days. A comparison between logistic regression and support vector machine is presented and logistic regression with reduced number of variables is chosen as the final model, due to it’s simplicity and accuracy. The explanatory variables contains exclusively booking history, whilst customer demographics and search history is showed to be insignificant.

Abstract [sv]

En kunds benägenhet att göra ett visst köp är ett allmänt undersökt område som applicerats i flera olika branscher. I den här studien visas det att statistiska binära klassificeringsmodeller kan användas för att prediktera Scandinavian Airlines kunders benägenhet att köpa en resa de kommande sju dagarna. En jämförelse är presenterad mellan logistisk regression och stödvektormaskin och logistisk regression med reducerat antal parametrar väljs som den slutgiltiga modellen tack vare sin enkelhet och träffsäkerhet. De förklarande variablerna är uteslutande bokningshistorik medan kundens demografi och sökdata visas vara insignifikant.

Ort, förlag, år, upplaga, sidor
2019. , s. 37
Nyckelord [en]
statistics, classification, machine learning, logistic regression, support vector machine, rbf, significance, prediction, propensity to buy, flight, tickets, ai, artificiell intelligens, walds test, sas, scandinavian airlines
Nyckelord [sv]
statistik, klassificering, maskininlärning, logistic regression, support vector machine, rbf, signifikans, walds test, prediktion, benägenhet att köpa, flight, biljett, flyg, ai, artificial intelligence, sas, scandinavian airlines
Nationell ämneskategori
Sannolikhetsteori och statistik
Identifikatorer
URN: urn:nbn:se:umu:diva-160855OAI: oai:DiVA.org:umu-160855DiVA, id: diva2:1330044
Externt samarbete
Scandinavian Airlines
Utbildningsprogram
Civilingenjörsprogrammet i industriell ekonomi
Presentation
2019-06-05, Umeå, 09:00 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2019-08-12 Skapad: 2019-06-25 Senast uppdaterad: 2019-08-12Bibliografiskt granskad

Open Access i DiVA

Binary classification for predicting propensity to buy flight tickets(574 kB)64 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 574 kBChecksumma SHA-512
a438b1e1e91a7211dd987e10660bcd7fca1066621f939fb719d4d9979959afd632a04ff17988b013abcd130a3af593576c0ab023c7ff17f4d9088c13eda98864
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för matematik och matematisk statistik
Sannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 64 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 411 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf