Предсказание вероятности клика на событие с использованием методов машинного обучения

Резюмируя данную работу, важно еще раз заметить, что растущая с каждым годом интернет-аудитория оказывает влияние на бизнес билетных операторов, в частности на количество проданных с помощью них билетов, а наличие эффективного ИТ-решения позволяет извлечь из этого влияния ключевое преимущество - увеличение доходов за счет продаж большего количества билетов. Этого можно достигнуть путем предсказания вероятности того, что пользователь нажмет на события, которые предлагаются в поисковой выдаче на сайте компании. В процессе проведения исследования на реальных данных компании Ticketland был проведен анализ предметной области и обзор применения технологии машинного обучения. Также были подробно рассмотрены существующие алгоритмы, позволяющие задачу предсказания вероятности клика на событие. С учетом предметной области и особенности данных был выбран критерий оценки качества работы классификаторов, а именно метрика AUC-ROC. В рамках практической реализации был осуществлен сбор сырых данных компании, их анализ и предварительная обработка. На основе проведенного анализа и обработки была сформирована выборка для обучения классификаторов, построение которых составляет основную часть работы. В результате выполнения работы была достигнута основная цель исследования - построение эффективной модели, способной предсказывать вероятность клика на событие, которое предлагается пользователю на сайте, и вычисление информативных признаков, влияющих на решение пользователя. Такой моделью на основании проведенного анализа является модель градиентного бустинга, показывающая качество классификации ~87%.