2、电商数据降维与在线购买意向分析

电商数据降维与在线购买意向分析

1. 数据降维研究

在当今时代，数据量呈指数级增长，如何有效管理和利用这些数据成为关键问题。主成分分析（PCA）作为一种重要的数据降维技术，能够在减少数据量的同时，尽可能保留重要信息。

1.1 研究目标

• 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上系统的性能。

1.2 相关工作

此前已有众多关于消费者行为分析和机器学习算法的研究。例如，有研究使用人工神经网络（ANN）和随机森林（RF）分析影响消费者行为的因素；也有研究从技术和信任角度分析在线购物者的购买意向。同时，PCA在多个领域都有广泛应用，如分析化石牙齿数据、研究海平面压力数据以及降低数字图像维度等。

1.3 研究方法

• 样本收集与数据集 ：数据集来自Facebook上的消费者行为分析研究，共有656条数据，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，采用了Python中imbalanced - learning包的合成少数过采样技术（SMOTE）。
  |问题|数量|百分比|
  | ---- | ---- | ---- |
  |年龄：11 - 30|634|96.6%|
  |年龄：31 - 60|19|2.5%|
  |年龄：61 - 90|2|0.3%|
  |年龄：≥90|1|0.15%|
  |性别：男|534|81.5%|
  |性别：女|11