Dados do Trabalho

Título

AVALIAÇÃO DO DESEMPENHO DE ALGORITMOS DE MACHINE LEARNING NA CLASSIFICAÇÃO DE CONSUMIDORES DE CAFÉ

Introdução

As técnicas de Machine learning provenientes dos campos da computação e da inteligência artificial vêm sendo aplicados para gerar modelos de classificação. Para isso, a classificação tem sido aplicada no marketing estratégico e consumidores com características semelhantes têm sido agrupados. Por esse motivo, esta pesquisa avaliou o desempenho dos algoritmos de classificação de Machine learning a fim de classificar consumidores de café com base nas percepções de consumo sobre benefícios e malefícios da ingestão da bebida.

Material e Métodos

O conjunto de dados utilizados para o treinamento dos modelos foram obtidos por uma pesquisa on-line com a participação de 882 consumidores brasileiros de café. A rotulagem foi realizada de forma manual/visual com auxílio de uma ferramenta desenvolvida por meio da linguagem de programação Python. Os resultados foram avaliados pelas métricas da matriz de confusão, precisão, recall e f1-score. . A precisão do modelo é a relação entre verdadeiros positivos (detecções corretas) sobre a soma de todas as detecções.

Resultados e Discussão

Os algoritmos avaliados de Machine learning para classificação dos consumidores alcançou precisões de 0.60; 0.55 e 0.45 para Logistic Regression, Random Forest, Decision Tree respectivamente. Os valores de recall para os mesmos algoritmos foram 0.56; 0.55 3 0.37. Já os valores de f1-score foram 0.57;0.54 e 0.41. Desta forma, o algoritmo mais eficiente na classificação dos consumidores foi o Logistic Regression.

Conclusão

Diante disso, a utilização de modelos de classificação baseado em algoritmos de Machine learning pode ser benéfico para as indústrias, podendo auxiliar nas estratégias de marketing sensorial eficazes para cada segmento. As indústrias podem aplicar essas técnicas na personalização de campanhas de marketing, ajustes de preços ou qualquer estratégia relevante para cada segmento.