基于RandomForest的取消酒店预订应用研究

顾凤云 曹睿

摘 要：酒店行业迅速发展的同时，存在专业人才短缺、缺乏成熟的管理模式和临时取消率高等问题。本文以Kaggle酒店取消预订数据集为研究对象，对原始數据进行预处理，再利用Lasso方法进行特征重要性排序，将特征提取后的数据作为RandomForest训练模型的输入进行预测，并且通过与XGBoost、LightGBM、DecisionTree等7种主流算法进行对比实验，结果表明本文方案在accuracy、recall、f1_score、AUC四种性能指标上优于对比模型。采用SHAP模型对已建立的价格模型进行解释，同时通过XGBoost， RandomForest的特征重要性排序，识别影响取消预订的关键因素是押金类型、预订时长以及预定渠道。

关键词：机器学习;取消预订模型;酒店行业;Randomforest模型;SHAP值

中图分类号：TP391  文献标识码：A  文章编号：1673-260X（2021）06-0015-08

随着经济的快速发展和各种交流活动的日益频繁，我国旅游行业与酒店行业得到了迅速发展。《2019年中国旅游业统计公报》显示，到2019年末，全国星级饭店10130家，平均房价378.55元/间夜，同比增长6.3%;平均出租率56.7%，同比下降1.3%;每间可供出租客房收入214.65元/间夜，同比增长4.9%;每间客房平摊营业收入40424.51元/间，同比增长5.4%[1]。众所周知，预订是现代酒店管理中一个重要的环节。顾客提前预订，是希望抵达酒店时就有满足其要求的客房，其目的是便于顾客的行程安排[2]。随着互联网的普及，使得提前预订更加便捷。但预订好客房的顾客可能会到了规定的日期而没有到店，或者临时取消预订，致使酒店预留的客房无法销售而造成损失[3]。目前学术界对于酒店行业的关注主要集中在用户行为[3-5]、竞争环境[6-8]、管理系统[9-11]、预订价格[12，13]等方面，针对建立取消酒店预订模型方面的相关研究相对较少。……