Napovedovanje uspešnosti aplikacij v trgovini Google PlayŠtravs, Miha (Avtor) Bosnić, Zoran (Mentor) Kacil, Luka (Komentor) strojno učenjepodatkovni tokoviMOAklasifikacijamobilne aplikacijeV času, ko ima skoraj vsaka oseba pametni telefon, je naraslo povpraševanje po mobilnih aplikacijah. Zaradi velikega povpraševanja se je povečalo tudi število podjetij in posameznikov, ki aplikacije razvijajo. To je povzročilo izdelavo številnih aplikacij, ki jih lahko posameznik prenese iz spletnih trgovin. Zaradi velikega števila različnih aplikacij le majhen delež teh uspe. V tem diplomskem delu pokažemo, kako dobro lahko s pomočjo metod strojnega učenja na podlagi podatkov, ki jih pridobimo iz trgovine Google Play, napovemo, katere aplikacije bodo v prihodnosti uspele. Najprej se seznanimo s področjem učenja iz podatkovnih tokov. Nato pregledamo, kateri podatki o aplikacijah so nam na voljo in iz njih izpeljemo nove atribute, ki se bodo uporabili pri napovedovanju. Za napovedovanje uporabimo že implementirane metode paketa MOA. Uporabijo se metode naivni Bayes, Hoeffdingova drevesa in drevesa IADEM. Testi so se izvedli na različnih metodah, na različni velikosti učnih podatkov in na različni časovni dolžini napovedi Uspešnost napovedi metode smo ocenili s klasifikacijsko točnostjo, srednjo vrednostjo absolutne napake, relativno srednjo vrednostjo absolutne napake in oceno F1 za vsak razred. Od vseh metod se je najbolje izkazala metoda dreves IADEM.20192019-03-18 14:05:04Diplomsko delo/naloga106831sl