پيش بيني قيمت موبايل بااستفاده از روشهاي يادگيري ماشين

predicting the mobile price using machine learning methods

هدف اصلي اين تحقيق، توسعه يك مدل براي پيشبيني قيمت گوشي همراه با ارائه مشخصات فني آن است. يكي از راهكارها براي انجام پيش بيني و تجزيه و تحليل، بهره گيري از تكنيك هاي يادگيري ماشين است. در اين رويكرد، الگوريتم هاي يادگيري ماشين با دريافت داده ها به عنوان ورودي براي توسعه و آموزش يك مدل پيش بيني بكار گرفته مي شوند. سپس مدل آموزش ديده براي پيش بيني نتايج نمونه هاي آينده از داده ها استفاده ميشود. در اين فرآيند از الگوريتم هاي يادگيري ماشين نظارت شده استفاده مي شود كه از داده هاي حاوي برچسب كلاس از پيش تعريف شده استفاده ميكنند. در اين پژوهش از الگوريتم هاي طبقه بندي مختلفي مانند k - نزديكترين همسايگي و ماشين بردار پشتيبان استفاده شده است تا الگوريتمي با دقت بالا براي پيش بيني كلاس قيمت گوشي همراه شناسايي گردد. معيارهاي ارزيابي مرتبط با يادگيري ماشين مانندمعيار دقت براي ارزيابي مدل آموزش ديده به كار گرفته شده اند. اين ارزيابي به منظور تعيين الگوريتم مناسب ترين بين الگوريتم هاي مورد استفاده در تحقيق انجام شده است نتايج ارزيابي نشان ميدهد كارايي مدل هاي پيشنهادي بر پژوهشي كه اخيرا براي پيشبيني قيمت گوشي همراه ارايه شده است، از نظر دقت ارجحيت دارد.

The primary objective of this research is to develop a model for predicting the price and technical specifications of mobile phones. Machine learning techniques offer a viable solution for this prediction and analysis task. Various classification algorithms, including k-nearest neighbor and support vector machine, were utilized to identify a highly accurate algorithm for predicting the price class of mobile phones. To evaluate the trained model, machine learning-related evaluation criteria, such as accuracy metrics, were employed. This evaluation aimed to determine the most appropriate algorithm among those used in the study. The evaluation results demonstrate that the proposed models achieve superior accuracy compared to recently published research on mobile phone price prediction.