• classification
• data mining
• Innovatori
• predizione del successo

In questo elaborato affrontiamo il problema della predizione del successo di nuovi beni a partire dall'osservazione parziale dei logs relativi alle loro prime adozioni. Abbiamo definito un approccio di machine learning per identificare il miglior insieme di early adopters (Innovatori) che viene utilizzato nel nostro modello consentendo di ottenere alti valori di precisione in fase di predizione. Abbiamo applicato la nostra metodologia su tre dataset di natura molto differente (Coop, Last.fm, Yelp) e infine abbiamo validato la significatività statistica dei risultati ottenuti mediante la progettazione di un Null Model.


In this work we tackle the problem of predicting the success of novel goods by looking only at a partial log of their early adoptions. We define a machine learning approach which is able to identify the best set of early adopters (i.e. innovators) that enables for high precision predictions. We then evaluate the proposed methodology on three real world datasets (Coop, Last.fm, Yelp) and asses its performances against three baseline models. Moreover, we validate the statistical significance of the obtained results through a null model test.