Fashion trend prediction using machine learning techniques / Makine öğrenme teknikleri kullanarak moda trend tahminleme

Abstract

Bu çalışma, makine öğrenme tekniklerini kullanarak moda trend kavramlarını tahmin etme problemini ele almaktadır. Moda dünyasında moda kavramları sürekli ve hızla gelişmektedir. Bu kavramlar ya yeni moda kavramları ya da bir süredir görülmedikten sonra geri dönüş yapan önceki moda kavramları olabilmektedir. Son zamanlarda moda endüstrisindeki artan rekabet ile, bu yeni moda konseptlerinin trend olacağını tahmin edebilmek, rakiplerinden bir adım önde olmak isteyen tekstil şirketlerine büyük bir fırsat sunmaktadır. Bu çalışmanın temel amacı, gelişmekte olan trendleri yakalamak, teknik göstergelerini çıkarmak ve yeterli performans ile trend olma eğilimlerini tahmin etmek için Followl.io web uygulamasından elde edilen tekstil veri tabanını kullanmaktır. Bu çalışma için tahmin problemi denetimli ikili sınıflandırma olarak tanımlanmıştır. Farklı makine öğrenme yaklaşımlarının iyi bilinen sınıflandırıcıları en verimli performansı veren sınıflandırıcıları bulmak için değerlendirilmiş ve birbirleriyle karşılaştırılmıştır. Sonuç olarak, en etkili performansı topluluk sınıflandırıcıları, özellikle de %67,9 doğrulukla Rastgele Orman sınıflandırıcısı sağlamıştır. Daha sonra topluluk yöntemleri çoğunluk oyu ile birleştirilmiş ve doğruluk %70.3'e kadar yükseltilmiştir. Anahtar Kelimeler: makine öğrenmesi, moda trend tahminleme, denetimli ikili sınıflandırma This study addresses the problem of forecasting fashion trend concepts using machine learning techniques. In the fashion world, fashion concepts are continuously and rapidly emerging. These concepts can be either be new fashion concepts or previous fashion concepts that are making a return after not being seen for some time. Recently, with the increasing competition in the fashion industry, forecasting of emerging fashion concepts that will be a trend has provided a great opportunity for the textile companies that want to get one step ahead of their competitors. The main objective of this study is to use the textile database acquired from Followl.io web application to recognize emerging trends, extract technical indicators and predict the likelihood of them becoming a trend with sufficient performance. The forecasting problem for this study is identified as supervised binary classification. Well-known classifiers of various machine learning approaches are evaluated and compared with each other in order to find the classifiers with the most efficient performance. As a result, the ensemble classifiers have provided the most efficient performances, especially the Random Forest classifier with 67.9% accuracy. The ensemble methods using majority voting are also employed and the accuracy increased up to 70.3%. Key Words: machine learning, fashion trend forecasting, supervised binary classification