kaggle—酒店预订需求预测分析(Hotel booking demand)
项目背景:该项目为酒店线上预订业务的研究内容,从酒店运营的角度,分析酒店的房型供给、不同时间段的需求,核心消费群体,影响退订的因素,并建立分类算法模型对酒店订单退订进行预测。
数据来源:kaggle:Hotel booking demand,此项目数据为kaggle上的一个Hotel booking数据集,感兴趣的朋友可以去下载进行练习。
数据介绍:
字段名 | 字段含义 |
---|---|
hotel | 酒店名 |
is_canceled | 是否退订 |
lead_time | 入住时间 |
arrival_date_year | 入住的年份 |
arrival_date_month | 入住的月份 |
arrival_date_week_number | 一年中的第几周 |
arrival_date_day_of_month | 一年中的第几号 |
stays_in_weekend_nights | 周末过夜数 |
stays_in_week_nights | 周中过夜数 |
adults | 成人数 |
children | 儿童数 |
babies | 婴儿数 |
meal | 订餐情况 |
country | 国籍 |
market_segment | 细分市场 |
distribution_channel | 市场 |
is_repeated_guest | 是否回头客 |
previous_cancellations | 客户在预订前取消的预订数量 |
previous_bookings_not_canceled | 客户在预订之前未取消的预订数量 |
reserved_room_type | 房型 |
assigned_room_type | 房间类型编码 |
booking_changes | 对预订做出的更改数量 |
deposit_type | 是否交押金 |
agent | 旅行社id |
company | 公司 |
days_in_waiting_list | 确认订单前的审核天数 |
customer_type | 预订类型 |
adr | 平均每日放假 |
required_car_parking_spaces | 客户要求的车位数量 |
total_of_special_requests | 特殊要求的数量 |
reservation_status | 订单状态 |
reservation_status_date | 订单状态的最后设置日期 |
一共包含32个字段,119390条记录。
项目流程
- 数据预处理
- 缺失值处理
- 数据类型转换
- 异常值处理
- 特征工程
- 数值型特征标准化
- 类别型特征 one-hot编码
- 特征选择
- 模型训练
- 模型预测与评估
一、数据预处理
- 导入需要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
import seaborn as sns
- 查看并理解数据
df = pd.read_csv('hotel_bookings.csv',encoding='gbk')
df.head()
df.info()
结果:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 119390 entries, 0 to 119389
Data columns (total 32 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 hotel 119390 non-null object
1 is_canceled 119390 non-null int64
2 lead_time 119390 non-null int64
3 arrival_date_year 119390 non-null int64
4 arrival_date_month 119390 non-null object
5 arrival_date_week_number 119390 non-null int64
6 arrival_date_day_of_month 119390 non-null int64
7 stays_in_weekend_nights 119390 non-null int64
8 stays_in_week_nights 119390 non-null int64
9 adults 119390 non-null int64
10 children 119386 non-null float64
11 babies 119390 non-null int64
12 meal 119390 non-null object
13 country 118902 non-null object
14 market_segment 119390 non-null object
15 distribution_channel 119390 non-null object
16 is_repeated_guest 119390 non-null int64
17 previous_cancellations 119390 non-null int64
18 previous_bookings_not_canceled 119390 non-null int64
19 reserved_room_type 119390 non-null object
20 assigned_room_type 119390 non-null object
21 booking_changes 119390 non-null int64
22 deposit_type 119390 non-null object
23 agent 103050 non-null float64
24 company 6797 non-null float64
25 days_in_waiting_list 119390 non-null int64
26 customer_type 119390 non-null object
27 adr 119390 non-null float64
28 required_car_parking_spaces 119390 non-null int64
29 total_of_special_requests 119390 non-null int64
30 reservation_status 119390 non-null object
31 reservation_status_date 119390 non-null object
dtypes: float64(4), int64(16), object(12)
memory usage: 29.1+ MB
发现数据集一共有32个字段,119389行数据,company列有比较明显缺失值,另外arrival_date等表示时间的列需要合并并且转换为日期格式。文章来源:https://www.toymoban.com/news/detail-542293.html
- 日期合并及格式转换
由于数据集中的arrival_date_month月份信息为英文表示,先将其转换为中文月份表示,方便后期合并日期文章来源地址https://www.toymoban.com/news/detail-542293.html
#修改arrival_date_month的英文月份为中文月份
import calendar
month = []
for i in df.arrival_date_month:
mon = list(calendar.month_name).index(i)
month.append(mon)
df.insert(
到了这里,关于kaggle—酒店预订需求预测分析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!