2、电商数据维度分析及在线购买意向研究

电商数据维度分析及在线购买意向研究

1. 电商数据维度分析

1.1 研究背景与目标

随着数据量的爆炸式增长，大量数据呈现出非结构化的特点。为了有效利用这些数据，科学家和数据分析师采用了各种创新技术，其中降维技术在数据科学领域应用广泛。在F - 电商（Facebook电商）领域，数据量也在不断增加。本研究旨在通过主成分分析（PCA）对F - 电商数据集进行降维，并评估人工神经网络（ANN）和随机森林（RF）模型在不同方差下的性能。具体目标如下：
- 分析应用PCA后结果矩阵的变化。
- 观察不同方差下主成分的数量。
- 比较降维数据集和原始数据集的系统性能。

1.2 相关工作

在消费者行为分析方面，已有众多研究。Hossain等人使用ANN和RF分析了影响F - 电商消费者购买行为的因素；Heijden等人从技术和信任的角度研究了在线购物者的购买意向；Kumar发现消费者对在线市场的行为取决于物理和心理两个方面。在降维技术方面，PCA是一种常用的方法，它已被应用于分析化石牙齿数据、大气科学中的海平面压力数据以及数字图像的降维等领域。

1.3 研究方法

1.3.1 样本收集与数据集

数据集来自F - 电商消费者行为分析研究，数据总量增加到656条，包含22个属性。在预处理阶段，部分属性被减少。为了平衡数据集，使用了Python的imbalanced - learning包中的合成少数过采样技术（SMOTE）。以下是部分属性的描述：
| 问题 | 数量 | 百分比 |
| — | — | — |
| 年龄：11 - 30 | 634