酒店取消预订预测分析报告

• 分析背景及目的

        本次分析的数据源来自：hotel_bookings-数据集-kaggle官网，是一份酒店预订的信息数据，共119391行，数据集各个待分析字段的含义如下：

• 分析思路

        建立随机森林、XGBoost、逻辑回归模型分别预测旅客是否会取消预订，并从查准率、查全率、F1值及AUC面积等指标对模型进行对比。

• 分析过程

1. 数据预处理

     1. 数据删除

        [1].删除掉与取消订单无关的“预订最终状态更新日期”数据列。

      2. 数据增删及格式处理

        [1].将“旅行社id”和“公司id”数据列中的缺失值赋值为0，并相应地创建两个新的数据列分别将不为0的数据替换为“Yes”，为0的数据替换为“No”；将数据列“是否为回头客”中为1的数据替换为“Yes”，为0的数据替换为“No”；创建新的数据列“房型是否一致”，若预订房型与实际房型一致则为“Yes”，否则为“No”。 

        [2].删除目前已经无用的数据列：“预订房型”、“实际房型”、“旅行社id”、“公司id”。

        [3].将“城市”和“儿童”数据列中的缺失值赋值为非空值的众数。

        [4].对用于分类的特征进行处理：将字符串型分类特征转化为数值型；将连续型分类特征进行标准化处理。

        [5].计算分类特征与“是否取消”数据列的相关系数，删除相关性过高的数据列，防止后续模型过拟合。

     2. 建模预测

1. 随机森林模型

        具体步骤如下：

        [1].建立随机森林模型，通过10折交叉验证法更好地利用训练数据。

        [2].通过对模型进行训练和测试，输出测试集的两种结果（是否取消预订）的预测概率并最终得到预测结果。

        [3]. 画出模型的ROC曲线并计算AUC面积。ROC曲线图像如下图所示：

     2. XGBoost模型

        具体步骤如下：

        [1].建立XGBoost模型，通过10折交叉验证法更好地利用训练数据。

        [2].通过对模型进行训练和测试，输出测试集的两种结果（是否取消预订）的预测概率并最终得到预测结果。

        [3]. 画出模型的ROC曲线并计算AUC面积。ROC曲线图像如下图所示：

     3. 逻辑回归模型

        具体步骤如下：

        [1].建立逻辑回归模型，通过10折交叉验证法更好地利用训练数据。

        [2].通过对模型进行训练和测试，输出测试集的两种结果（是否取消预订）的预测概率并最终得到预测结果。

        [3]. 画出模型的ROC曲线并计算AUC面积。ROC曲线图像如下图所示：

     3.模型比较

        分别计算三类模型的查准率、查全率、F1值及AUC面积等指标，具体数值如下表所示。

通过图表对比发现，随机森林模型的预测效果最佳，F1值达到0.89，AUC面积达到0.96。