Quality predictions with cross-sectional data from the Greek wine industry and clustering of industries with input-output data from the US economy using machine learning methods

Abstract

This thesis applies a range of statistical and machine learning models—implemented in R—to analyze data from e-commerce and the wine industry, focusing on predicting product quality and price, and on clustering economic sectors. It examines online markets and auctions using functional regression, models wine quality with linear and logistic regression as well as neural networks, and compares advanced methods such as LASSO, Random Forest, LDA, CART, kNN, and SVM, with Random Forest achieving up to 95% prediction accuracy. Finally, principal component analysis of U.S. input-output tables (2002–2019) identifies key industries and structural shifts, offering insights for economic policy and industrial dynamics.

Η παρούσα διατριβή εφαρμόζει μια σειρά από στατιστικά και μεθόδους μηχανικής μάθησης — υλοποιημένες στη γλώσσα R — για την ανάλυση δεδομένων από το ηλεκτρονικό εμπόριο και τη βιομηχανία οίνου, με στόχο την πρόβλεψη της ποιότητας και της τιμής των προϊόντων, καθώς και την ομαδοποίηση οικονομικών κλάδων. Εξετάζει τις διαδικτυακές αγορές και τις δημοπρασίες μέσω λειτουργικής παλινδρόμησης, μοντελοποιεί την ποιότητα του κρασιού με γραμμική και λογιστική παλινδρόμηση καθώς και με τεχνητά νευρωνικά δίκτυα, και συγκρίνει προχωρημένες μεθόδους όπως οι LASSO, Random Forest, LDA, CART, kNN και SVM, με τη μέθοδο Random Forest να επιτυγχάνει έως και 95% ακρίβεια πρόβλεψης. Τέλος, η ανάλυση κύριων συνιστωσών σε πίνακες εισροών-εκροών των Η.Π.Α. (2002–2019) εντοπίζει βασικούς βιομηχανικούς κλάδους και διαρθρωτικές μεταβολές, προσφέροντας χρήσιμες πληροφορίες για την οικονομική πολιτική και τη δυναμική των βιομηχανιών.