Predictive modeling of return occurrence in e-commerce apparel market: A comparative study of logistic regression, LASSO, XGBoost and Random Forest techniques

Bu çalışma, Türkiye'de faaliyet gösteren bir e-ticaret şirketinin giyim segmentinde iade oluşumu için tahmin modelinin geliştirilmesine odaklanmaktadır. Şirket tarafından sağlanan verileri kullanarak, araştırma çeşitli makine öğrenimi tekniklerini kullanarak iade oluşumları üzerinde çeşitli faktörlerin etkisini keşfetmektedir. Modeller, ürün, tedarikçi, müşteri ve alışveriş bilgileri ile ilgili tahmin edici değişkenlerin yanı sıra bu değişkenlerin etkileşimini de içerecek şekilde geliştirilmiştir. Nihai modeli basitleştirmek ve en etkili değişkenleri seçmek için LASSO uygulanmıştır. Modeller, AUC skoru, doğruluk, kesinlik ve duyarlılık gibi performans metrikleri ile karşılaştırılmıştır. Lojistik regresyon modelinin AUC skoru açısından XGBoost ve Rastgele Orman'dan daha iyi performans sergilediği görülmektedir.