图表5 2013年每月目的地城市分析

---

---

构造

以上说明了如何抽取相关特征，我们大致有如下训练样本（只列举部分特征）。

建模

XGBoost:

高效地实现了GBDT算法并进行了算法和工程上的许多改进，其原理是不断地添加树，每次添加一个树会学习一个新函数f(x)，并拟合上次预测的残差。

当我们训练完成得到k棵树，我们要预测一个样本的分数，其实就是根据这个样本的特征，在每棵树中会落到对应的一个叶子节点，每个叶子节点就对应一个分数

最后只需要将每棵树对应的分数加起来就是该样本的预测值。

最后选取概率最大的预测值作为预测结果。

随机森林：

随机森林是一种集成学习，通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。它依靠于决策树的投票选择来决定最后的分类结果。

模型优化

1.特征提取，样本抽样，参数调参。

通过图像可以看出,部分目标城市在某些月份观光量增多。

年纪较长（40+）的人群更倾向于去US。

未填写性别信息的人更倾向于不预定。

使用英语为母语的人群相较于其他人群更倾向于去US。

大多数用户更倾向于使用web进行操作，也有一部分使用ios系统操作。

可以向年长人群与母语为英语人群更多的推荐US的住宿信息，其他人群则多样化的推广。

优化ios，安卓等系统上的产品，以此获得更多用户。

通过使用XGBoost来进行预测，最终得到准确率为0.628

通过使用随机森林来进行预测，最终得到准确率为0.749

可以得出使用随即森林算法比XGBoost准确性更高。

输出/预测结果（部分）：

---

关于作者

在此对Zhuhua Huang对本文所作的贡献表示诚挚感谢，她在西交利物浦大学完成了信息与计算科学学位。擅长数据采集与处理。