基于旅游数据的酒店入住率预测分析

摘要

随着我国旅游业的迅速发展，旅游大数据分析备受人们关注。旅游大数据通常存在来源广、数据不完整、时间不稳定等问题，使数据分析有很大难度。酒店业是旅游业的一个重要组成部分，酒店入住率是衡量一个酒店运营情况的重要因素之一，运用机器学习方法对酒店入住率进行预测分析具有重要意义。　　首先，对旅游数据描述和预处理。分析旅游数据并给出数据来源和描述，阐述旅游数据的特点和规律，从时间维度和酒店维度将数据分类，初步选取可用数据。对此数据进行数据清洗、数据变换、数据归一化，并设计数据集融合算法融合数据集，以获得最优数据集。　　然后，提出基于旅游数据的酒店入住率双层预测分析模型。分别在时间维度、时间-酒店维度建模，第一层模型是基于时间的回归预测模型（以下简称“第一层模型”），是运用多项式回归方法分别对车流量、天气情况、风力、最高气温、最低气温、空气质量进行回归分析，得出其预测值，作为第二层模型的输入。第二层模型是基于时间和空间的酒店入住率双层预测分析模型（以下简称“第二层模型”），将第一层模型的预测值与固有数据集整合，对整合数据分别基于 BP 神经网络、KNN、随机森林算法建立酒店入住率BP神经网络分类模型、酒店入住率KNN分类模型、酒店入住率随机森林分类模型。　　最后，搭建实验环境，观察并分析实验结果。经过数据预处理得到最终数据集，实现基于时间的酒店领域回归预测模型，整合结果集，接着实现基于时间和空间的酒店入住率分类预测模型，然后用相应的误差参数对结果进行评价。实验证明提出的模型和方法是有效的。

目录

第一个书签之前