Title: Using penalized logistic regression models for predicting the effects of advertising material
Language: English
Authors: Grosswindhager, Stefan
Qualification level: Diploma
Keywords: Logistische Regression; Lasso; Ridge; Elastic-Net; Klassifizierungsprobleme; Data-Warehouse; Data-Mining; Hauptkomponentenanalyse; ROC-Kurve; Partial Least Squares
logistic regression; Lasso; Ridge; Elastic-Net; classification problems; Data-Warehouse; Data-Mining; Principal Component Analysis; ROC-curve; Partial Least Squares
Advisor: Deistler, Manfred
Issue Date: 2009
Number of Pages: 107
Qualification level: Diploma
Abstract: 
Klassifizierung von Kunden in Käufer versus Nicht-Käufer oder Reagierer versus Nicht-Reagierer sind ein nicht mehr wegzudenkender Bestandteil von Marketing Problemen. Im Normalfall werden binäre Klassifizierungsmodelle wie Logistische Regressionen benötigt um solche Probleme lösen zu können. Diese Diplomarbeit beschäftigt sich mit verzerrten Schätzmethoden angewandt auf Logistische Regressionen zum Zwecke der Profilierung und Klassifizierung von hoch-dimensionalen Marketing Daten. Das Hauptziel der Diplomarbeit ist der Vergleich der Prognose Performance der einzelnen Klassifikatoren mit Hilfe von weit verbreiteten quantitativen und qualitativen Kenngrößen wie Receiver Operating Characteristic (ROC) Kurven oder erwartete Kostenkurven.

Marketing problems commonly involve classification of customers into "buyer" versus "non-buyer" or "responders" versus "non-responders".
These cases usually require binary classification models such as logistic regression.
This thesis reviews promising biased estimation techniques applied to logistic regression for the purpose of profiling and classifying higher-dimensional marketing data. The main objective of the thesis is the comparison of the predictive performance of the individual classifiers, taking widely used quantitative and qualitative measures into account, including receiver operating characteristics (ROC) and expected cost curves.
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-37604
http://hdl.handle.net/20.500.12708/12543
Library ID: AC07805922
Organisation: E105 - Institut für Wirtschaftsmathematik 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Show full item record

Page view(s)

10
checked on Feb 18, 2021

Download(s)

55
checked on Feb 18, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.