Дослідження і прогнозування успішності стартапів платформи kickstarter
The main purpose of the study, carried out in the work, was to identify and predict the success of new start-up projects. The task of predicting the success of one or another startup was solved, various methods of data analysis, such as methods of extreme gradient boosting and k-nearest neighbors, w...
Збережено в:
| Дата: | 2019 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2019
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/183721 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-183721 |
|---|---|
| record_format |
ojs |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| topic |
прогнозування метод ектремального градієнтного бустингу метод k-найближчих сусідів моделі виживання стартапи успішність проектів платформа kickstarter прогнозирование метод экстремального градиентного бустинга метод k-ближайших соседей модели выживания стартапы успешность проектов платформа kickstarter Forecasting Extreme Gradient Boosting Method K-nearest Neighbor Method Survival Models Startups Project Success Kickstarter Platform |
| spellingShingle |
прогнозування метод ектремального градієнтного бустингу метод k-найближчих сусідів моделі виживання стартапи успішність проектів платформа kickstarter прогнозирование метод экстремального градиентного бустинга метод k-ближайших соседей модели выживания стартапы успешность проектов платформа kickstarter Forecasting Extreme Gradient Boosting Method K-nearest Neighbor Method Survival Models Startups Project Success Kickstarter Platform Kuznietsova, Nataliia V. Grushko, Yaroslav V. Дослідження і прогнозування успішності стартапів платформи kickstarter |
| topic_facet |
прогнозування метод ектремального градієнтного бустингу метод k-найближчих сусідів моделі виживання стартапи успішність проектів платформа kickstarter прогнозирование метод экстремального градиентного бустинга метод k-ближайших соседей модели выживания стартапы успешность проектов платформа kickstarter Forecasting Extreme Gradient Boosting Method K-nearest Neighbor Method Survival Models Startups Project Success Kickstarter Platform |
| format |
Article |
| author |
Kuznietsova, Nataliia V. Grushko, Yaroslav V. |
| author_facet |
Kuznietsova, Nataliia V. Grushko, Yaroslav V. |
| author_sort |
Kuznietsova, Nataliia V. |
| title |
Дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_short |
Дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_full |
Дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_fullStr |
Дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_full_unstemmed |
Дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_sort |
дослідження і прогнозування успішності стартапів платформи kickstarter |
| title_alt |
Research and prediction of the startups’ success on kickstarter platform Исследование и прогнозирование успешности стартапов платформы kickstarter |
| description |
The main purpose of the study, carried out in the work, was to identify and predict the success of new start-up projects. The task of predicting the success of one or another startup was solved, various methods of data analysis, such as methods of extreme gradient boosting and k-nearest neighbors, were used. They allowed to predict with high precision the success of the project, and the method of extreme gradient boosting was the most effective. The use of survival models allowed us to estimate the average time spent working on a successful startup, as well as identify those key industries for which startups become effective, predicting for each of them the required time to turn a progressive idea into a successful business. The most successful categories of start-up projects were also identified, and the time required to achieve the success (survival) of projects as a whole and for specific project categories was predicted. For this purpose, survival models were constructed on the basis of Cox proportional risks and Kaplan-Meyer models. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2019 |
| url |
http://journal.iasa.kpi.ua/article/view/183721 |
| work_keys_str_mv |
AT kuznietsovanataliiav researchandpredictionofthestartupssuccessonkickstarterplatform AT grushkoyaroslavv researchandpredictionofthestartupssuccessonkickstarterplatform AT kuznietsovanataliiav issledovanieiprognozirovanieuspešnostistartapovplatformykickstarter AT grushkoyaroslavv issledovanieiprognozirovanieuspešnostistartapovplatformykickstarter AT kuznietsovanataliiav doslídžennâíprognozuvannâuspíšnostístartapívplatformikickstarter AT grushkoyaroslavv doslídžennâíprognozuvannâuspíšnostístartapívplatformikickstarter |
| first_indexed |
2024-04-08T15:07:31Z |
| last_indexed |
2024-04-08T15:07:31Z |
| _version_ |
1795779567727673344 |
| spelling |
journaliasakpiua-article-1837212019-12-13T15:15:18Z Research and prediction of the startups’ success on kickstarter platform Исследование и прогнозирование успешности стартапов платформы kickstarter Дослідження і прогнозування успішності стартапів платформи kickstarter Kuznietsova, Nataliia V. Grushko, Yaroslav V. прогнозування метод ектремального градієнтного бустингу метод k-найближчих сусідів моделі виживання стартапи успішність проектів платформа kickstarter прогнозирование метод экстремального градиентного бустинга метод k-ближайших соседей модели выживания стартапы успешность проектов платформа kickstarter Forecasting Extreme Gradient Boosting Method K-nearest Neighbor Method Survival Models Startups Project Success Kickstarter Platform The main purpose of the study, carried out in the work, was to identify and predict the success of new start-up projects. The task of predicting the success of one or another startup was solved, various methods of data analysis, such as methods of extreme gradient boosting and k-nearest neighbors, were used. They allowed to predict with high precision the success of the project, and the method of extreme gradient boosting was the most effective. The use of survival models allowed us to estimate the average time spent working on a successful startup, as well as identify those key industries for which startups become effective, predicting for each of them the required time to turn a progressive idea into a successful business. The most successful categories of start-up projects were also identified, and the time required to achieve the success (survival) of projects as a whole and for specific project categories was predicted. For this purpose, survival models were constructed on the basis of Cox proportional risks and Kaplan-Meyer models. Основная цель исследования, проведенного в работе, — выявление и прогнозирование успешности новых проектов-стартапов. Решена задача прогнозирования факта успешности того или иного стартапа, применены различные методы интеллектуального анализа данных, такие как методы экстремального градиентного бустинга и k-ближайших соседей, которые позволили с высокой точностью предсказать успешность проекта, а самым эффективным оказался метод экстремального градиентного бустинга. Применение моделей выживания позволило оценить среднее время работы над успешным стартапом и определить ключевые отрасли, для которых стартапы становятся эффективными; спрогнозировав для каждого из них необходимое время работы для воплощения прогрессивной идеи в успешный бизнес. Определены наиболее успешные категории проектов-стартапов и спрогнозировано время, необходимое как в целом для достижения успешности (выживания) проектов, так и для отдельных категорий проектов. Для этого построены модели выживания на основе пропорциональных рисков Кокса и модели Каплан–Майера. Основна мета дослідження, проведеного у роботі, — виявлення та прогнозування успішності нових проектів-стартапів. Розв’язано задачу прогнозування факту успішності того чи іншого стартапу, застосовано різні методи інтелектуального аналізу даних, такі як методи екстремального градієнтного бустингу та -найближчих сусідів, що дало змогу з високою точністю передбачити успішність проекту, а найефективнішим виявився метод екстремального градієнтного бустингу. Використання моделей виживання дозволило оцінити середній час роботи над успішним стартапом і визначити ключові галузі, для яких стартапи стають ефективними; спрогнозовано для кожного з них необхідний час роботи для втілення прогресивної ідеї в успішний бізнес. Виявлено найбільш успішні категорії проектів-стартапів та спрогнозовано час, необхідний як у цілому для досягнення успішності (виживання) проектів, так і для окремих категорій проектів. Для цього побудовано моделі виживання на основі пропорційних ризиків Кокса та моделі Каплан–Майєра. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2019-10-07 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/183721 10.20535/SRIT.2308-8893.2019.3.02 System research and information technologies; No. 3 (2019); 18-32 Системные исследования и информационные технологии; № 3 (2019); 18-32 Системні дослідження та інформаційні технології; № 3 (2019); 18-32 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/183721/183557 Copyright (c) 2021 System research and information technologies |