File size: 1,800 Bytes
5321f26 85e8642 5321f26 85e8642 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 |
---
license: mit
tags:
- regression
- marketing
- machine-learning
- streamlit
- randomforest
- sklearn
---
# 📊 Marketing Click Prediction with Machine Learning
Bu proje, pazarlama kampanyalarının tıklanma sayısını tahmin etmek için makine öğrenmesi (Random Forest) ve Streamlit kullanılarak geliştirilmiştir.
## 🔍 Kullanılan Veri Seti
- Model Tipi: `RandomForestRegressor`
- Eğitim Verisi: `marketing_campaign_dataset.csv` (220.000 satırdan örneklenmiş)
- Girdi Özellikleri: Şirket adı, kampanya türü, hedef kitle, kanal, süre, maliyet, dil, etkileşim, vb.
- Hedef: Tıklama sayısı (Clicks)
## 🧠 Kullanılan Yöntemler
- Veri temizleme ve Label Encoding
- Özellik mühendisliği
- RandomForestRegressor modeli ile tahmin
- Modeli `.pkl` olarak kaydetme
- Streamlit ile tahmin arayüzü
Bu modeli kullanarak oluşturulan bir tahmin arayüzü Streamlit ile yapılmıştır. Arayüzde kullanıcı yukarıdaki özellikleri girerek tahmini tıklama sayısını anında alabilir.
## 🖼️ Uygulama Arayüzü
Aşağıda Streamlit arayüzünün bir örneği yer almaktadır:
🔗 Diğer Platformlar
✅ GitHub Repo (Tüm Kodlar ve Streamlit)
✅ Streamlit App
## 🚀 Nasıl Kullanılır?
1. Gereksinimleri yükleyin:
```bash
pip install -r requirements.txt
Modeli çalıştırmak için:
python model.py
Streamlit uygulamasını başlatın:
streamlit run app.py
💡 Geliştirilebilir Noktalar
Daha fazla model karşılaştırması yapılabilir.
Kullanıcı girdilerinde LabelEncoder yerine eğitim sırasında kaydedilen encoder kullanılabilir.
Model Hugging Face' model olarak yüklendi
📝 Lisans
Bu proje eğitim amaçlıdır.
|