|
|
---
|
|
|
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.
|
|
|
|
|
|
|
|
|
|
|
|
|
