پیش بینی احتمال موفقیت استارتاپ ها با استفاده از روش های گروهی یادگیری ماشین به منظور انتخاب استراتژی خرید و اکتساب استارتاپ های موفق

سرمایه گذاری در کسب وکارهای نوپا به ویژه استارتاپ ها از پرمخاطره ترین تصمیمات در مدیریت سرمایه گذاری می باشند، به طوری که با وجود مطالعات متعدد در این حوزه، انتخاب روشی که بتواند این چالش را تا حد زیادی حل نماید و یا ریسک آن را به اندازه کافی کاهش دهد، بسیار سخت بوده و نیازمند مطالعه و بررسی دقیق است. در این مقاله، برای ارائه مدل مبتنی بر هوش مصنوعی برای پیش بینی احتمال موفقیت استارتاپ ها از داده های ۹۲۳ استارتاپ موجود در سایت کاگل استفاده شده است. در الگوریتم پیشنهادی ابتدا داده ها پاکسازی شده و سپس مهندسی ویژگی بر روی آن ها اعمال گردیده است. در ادامه پس از حذف ویژگی های غیرضروری با استفاده از سه مدل پایه یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی و رگرسیون لجستیک و سه معماری گروهی شامل رای گیری نرم، رای گیری سخت و انباشت، مدل ها با یکدیگر مقایسه و بر اساس یازده معیار ارزیابی عملکردی مورد آزمون قرار گرفته اند. نتایج بررسی ها نشان می دهد که معماری گروهی رای گیری نرم با امتیاز کلی ۰.۷۹۲۱ و با اختلاف معنادار نسبت به بقیه معماری ها، رتبه نخست را به خود اختصاص داده است. رای گیری نرم در ارزیابی دقت، F۱-Score و ضریب همبستگی بهترین نمره را در مقایسه با رقباء کسب کرده است. بر اساس نتایج حاصل از پیش بینی مدل ها در میان ۱۰ استارتاپ برتر تقریبا همه مدل ها به دقت های نزدیک هم دست یافتند. بررسی مدل ها نشان می دهد که استارتاپ های دارای احتمال موفقیت بالاتر، در حوزه های دیجیتال مانند وب، موبایل و نرم افزار فعالیت دارند.

کلیدواژه ها:

استارتاپ ، یادگیری گروهی ، پیش بینی موفقیت ، رای گیری نرم ، رای گیری سخت ، انتخاب سرمایه گذاری