Predicting user clicks on online advertisements using machine learning

Bu tez, kullanıcı tercihlerini daha iyi anlamak ve reklam stratejilerini hassaslaştırmak için çevrimiçi reklamcılıkta kullanıcı davranışının tespitini araştırmaktadır. Çevrimiçi reklamlar geniş kitlelere ulaşmada etkili olduğundan, kampanyanın etkinliğini artırmak için hedefe yönelik yaklaşımlar hayati öneme sahiptir. Araştırma, tarama geçmişi, reklam tıklamaları ve demografi gibi kullanıcı davranışlarını detaylandıran bir veri kümesi üzerinde veri analizi, ön işleme ve makine öğrenimi (ML) tekniklerini kullanıyor. Özelliğin önemini vurgulamak için LIME ve SHAP gibi XAI araçlarının yanı sıra rastgele orman, GB ve LR dahil olmak üzere makine öğrenimi yöntemleri kullanılır. Çalışma, reklam hedeflemeyi geliştirmek için kullanıcı davranış kalıplarını ayırt etmeyi amaçlamaktadır. Modeller, parametre ayarlama kullanılarak daha da optimize edilir ve bireysel tahminleri bir araya getirerek algılama doğruluğunu artırmak için yumuşak ve sert oylama gibi topluluk stratejileri kullanılır. Modelin etkinliğini değerlendirmek için doğruluktan özgüllüğe kadar değişen performans ölçümleri kullanılır. Sonuçlar, topluluk yöntemlerinin, özellikle yumuşak oylamanın, doğruluk açısından diğer tekniklerden daha iyi performans gösterdiğini göstermektedir.