On a high-level perspective, fashion is an art defined by fash- ion stylists and designers to express their thoughts and opinions. Lately, fashion have also been defined by digital publishers such as bloggers and online magazines. These digital publishers create fashion by curating and publishing content that is hopefully rel- evant and of high quality for their readers. Within this master’s thesis, fashion forecasting was investigated by applying supervised machine learning techniques. The problem was investigated by training classification learning models on a real world historical fashion dataset. The investigation has shown promising results, where fashion forecasting has been achieved with an average ac- curacy above 65 % . / På en abstrakt nivå definieras mode av stylister och designers.Dessa väljer att uttrycka sina tankar och åsikter genom att skapamode. På senare tid har mode också definierats av digitala förlagsom bloggare och onlinemagasin. Dessa digitala förlag definierarmode genom att skapa och publicera innehåll som förhoppningsvisär relevant och av hög kvalitet för sina läsare. I den här uppsatsen,undersöktes modeprognoser genom att använda sig av övervakademaskininlärningstekniker. Problemet undersöktes genom att läraklassificeringsinlärningsmodeller på ett verkligt historiskt datasetför mode. Undersökningen har visat lovande resultat där modeprognoserhar kunnat nås med en genomsnittlig noggrannhet över 65 %. / Maskininlärning, Förutspå Mode, Mode, Algoritmer, Klassificering
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-210413 |
| Date | January 2017 |
| Creators | Mona, Dadoun |
| Publisher | KTH, Skolan för datavetenskap och kommunikation (CSC) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds