Hotel booking酒店预订——数据分析与建模

数据源：

https://www.sciencedirect.com/science/article/pii/S2352340918315191

字段解释：

• hotel 酒店
• is_canceled 是否取消
• lead_time 预订时间
• arrival_date_year 入住年份
• arrival_date_month 入住月份
• arrival_date_week_number 入住周次
• arrival_date_day_of_month 入住天号
• stays_in_weekend_nights 周末夜晚数
• stays_in_week_nights 工作日夜晚数
• adults 成人数量
• children 儿童数量
• babies 幼儿数量
• meal 餐食
• country 国家
• market_segment 细分市场
• distribution_channel 分销渠道
• is_repeated_guest 是否是回头客
• previous_cancellations 先前取消数
• previous_bookings_not_canceled 先前未取消数
• reserved_room_type 预订房间类型
• assigned_room_type 实际房间类型
• booking_changes 预订更改数
• deposit_type 押金方式
• agent 代理
• company 公司
• days_in_waiting_list 排队天数
• customer_type 客户类型
• adr 每日房间均价 （Average Daily Rate）
• required_car_parking_spaces 停车位数量
• total_of_special_requests 特殊需求数(例如高层或双床)
• reservation_status 订单状态
• reservation_status_date 订单状态确定日期

一. 探索性数据分析(EDA)

该数据集包含两家酒店的数据，一家假日酒店，一家城市酒店。从数据集发布地址的介绍来看，这两家酒店均位于葡萄牙。第一家酒店位于阿尔加夫市的度假区。第二家酒店位于首都里斯本的市区。两家酒店距离280公里的车程，并且均位于北大西洋海沿岸。

该数据集包括从2015年7月1日到2017年8月31日酒店的订单信息

注意：对于大多数问题，要用那些未取消的订单来计算实际的客人数量。显而易见，这点非常重要。

从该数据集中我们能得到解答的问题如下：

• 顾客来自于哪里?
• 房客每晚会花费多少钱？
• 一年中的过夜房价如何变动？
• 最忙的月份是几月？
• 人们会在酒店住多久？
• 订单的市场渠道构成
• 有多少订单被取消了？
• 那个月份的订单取消率最高？

你是否有其他问题？可以随时记录下来，并尝试用数据解答它们。

二. 取消率预测(Predicting cancelations)

酒店的管理者期望能够建立一个预测顾客是否实际入住的模型。

这个模型将有助于酒店提前规划所需人力和提供餐饮。

通常为了利益最大化，有些酒店利用这个模型去超额接收订单。

三. 评估特征重要性(Evaluate Feature importance)

得出哪些特征对于取消率预测来说最重要？

1.探索性数据分析

1.1模块导入及数据概览

# 通用模块
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import plotly.express as px
import folium
# 机器学习
from sklearn.model_selection import train_test_split, KFold, cross_validate, cross_val_score
from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.ensemble import RandomForestClassifier
from xgboost import XGBClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import eli5 # Feature importance evaluation