Search academic texts

Information × Registration Number 2121U007327, Article popup.category Бакалаврська робота Title Statistical methods for analyzing the financial success of projects on the Kickstarter platform (AI translated) popup.author Шахворостова Влада ДмитрівнаShakhvorostova Vlada Dmytrivna popup.publication 01-06-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/44744 popup.publisher Київ Description Дипломна робота містить: 87 с., 6 табл., 28 рис., 2 додатків, 11 джерел. Об’єктом дослідження є дані платформи Kickstarter. Предметом дослідження є статистичні методи для аналізу фінансової успішності проекті на платформі Kickstarter. Програмною мовою було обрано Python. У даній роботі проведено дослідження та порівняння різних типів статистичних методів для аналізу. Були розглянуті мережа Байєса, дерева рішень, випадковий ліс, лінійна регресія та логістична регресія. Отримані результати були порівняні між собою, що надало можливість оцінити ефективність та дієвість кожного з методу. Для навчання та перевірки якості моделей були застосовані дані платформи Kickstarter. Під час виконання роботи вдалось встановити модель, що продемонструвала найбільшу точність. Крім того, було розглянуто можливі шляхи покращення програмного продукту: розширення функціоналу, реалізацію нових методів, створення інтерфейсу та покращення точності вже реалізованих моделей. Thesis: 87 p., 6 tabl., 28 fig., 2 appendices, 11 sources. The object of research is the data of the Kickstarter platform. The subject of the study is statistical methods for analyzing the financial success of the project on the Kickstarter platform. Python was chosen as the programming language. In this paper, research and comparison of different types of statistical methods for analysis. The Bayesian network, decision trees, random forest, linear regression, and logistic regression were considered. The results were compared with each other, which made it possible to assess the effectiveness and efficiency of each method. Data from the Kickstarter platform were used to train and test the quality of the models. During the work it was possible to establish the model that showed the greatest accuracy. In addition, possible ways to improve the software product were considered: expanding the functionality, implementing new methods, creating an interface and improving the accuracy of already implemented models. popup.nrat_date 2025-11-05 Close