<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=84441"><dc:title>Kako uspeti na Kickstarter-ju?</dc:title><dc:creator>Novak,	Benjamin	(Avtor)
	</dc:creator><dc:creator>Zupan,	Blaž	(Mentor)
	</dc:creator><dc:subject>Kickstarter</dc:subject><dc:subject>množično financiranje</dc:subject><dc:subject>napovedovanje uspešnosti</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>klasifikacija</dc:subject><dc:subject>iskanje značilk</dc:subject><dc:description>Platforme za množično financiranje, kot je Kickstarter, v zadnjih letih postajajo vedno bolj priljubljene. Na njih poskušajo razvojne ekipe s kreativnimi projekti pridobiti bodoče kupce in podpornike. Vendar uspeh ni zagotovljen, saj je skoraj dve tretjini predlogov neuspešnih. V nalogi smo iz portala za množično financiranje Kickstarter pridobili podatke o opisu in uspešnosti projektov. Naš cilj je bil zgraditi model, ki bi iz opisa projekta znal napovedati uspešnost kampanje in bi skladno z rezultati v sorodnih delih dosegel točnost napovedi AUC vsaj 0,85. V delu predstavimo našo rešitev in tehnike strojnega učenja, ki smo jih uporabili. Zgrajene modele smo vrednotili s prečnim preverjanjem in na novih projektih. Ugotovili smo, da so pri napovedovanju uspešnosti najpomembnejši število projektov, ki jih je avtor podprl, ciljna vsota, število slik v opisu projekta in število ponujenih nagrad. Na testnih podatkih novih projektov smo dosegli točnost AUC = 0,93.</dc:description><dc:date>2016</dc:date><dc:date>2016-08-23 12:40:25</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>84441</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
