Halen, derin öğrenme tekniklerinin önemi, kullanıcılara sonsuz özelleştirilebilir çevrimiçi alışveriş deneyimi ile E-ticaret dünyasını göz ardı etmeye başlar. Çevrimiçi ticaret sırasında devasa veri akışı yapılıyor olsa da, düzgün aykırı değerler için büyük veri kümelerini işlemek için yetersiz analitik algoritmalar nedeniyle veri dengesizliği sorunu hala dikkate alınmamaktadır. Bu, ağda yüksek tıkanıklığa ve çevrimiçi ticaret sırasında olağanüstü maliyet sorununa yol açar. Bu çalışmanın en önemli amacı, denge, doğruluk, kesinlik, özgüllük, duyarlılık ve kullanılabilirlik arasında bir denge sağlamak için çeşitli çözümler kullanan hibrit geometrik örnekleme ve AdaBoost tabanlı derin öğrenme sınıflandırma yaklaşımını kullanarak dengesizlik verilerinin ve çalkalama oranının sınıflandırma görevini çözmektir. -Ticarette verilerin toplanması. Bu önerilen çözüm, veri dengesizliği sorununun ve karmaşanın yanı sıra karmaşa dışı müşterilerin E-ticaret web bağlantılarındaki tahminlerinin azaltılmasına yardımcı olur. Deney analizi, algoritmanın gerçek zamanlı uygulamada uygulanabilirliğini kontrol etmek için geleneksel tekniklere uygun olarak önerilen algoritma için gerçekleştirilmiştir.