R语言用决策树的酒店收入和产量预测可视化研究

现代社会经济的发展,促进了酒店业的投资热潮, 投资者投资一个酒店,必须在投资前对若干经营数据进行科学预测与分析,对酒店可能形成的收入成本水平进行估算,从而对投资的风险进行有效预测。

酒店管理者在借鉴西方发达国家经验数据的基础上,在星级酒店的具体运营过程中,通过反复验证和探讨,推演出了一批符合中国国情的经验数据,在此以较为常用的计算模块对酒店的运营数据模型进行阐述。

由Kaizong Ye,Weilong Zhang撰写

我们根据提供的数据,帮助客户建立酒店产量预测模型(收入预测模型),通过此模型能识别出哪些酒店可以通过调整三个预订渠道的价格(b渠道卖价, c渠道卖价, e渠道卖价)使得单酒店在三个预订渠道的总产量(或总收入)最大。

相关数据字段如下:

image.png

方法

决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。

树中每个节点表示某个对象,而每个分叉路径则代表的某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出,若欲有复数输出,可以建立独立的决策树以处理不同输出。


视频

从决策树到随机森林:R语言信用卡违约分析信贷数据实例

探索见解

去bilibili观看

探索更多视频


视频

决策树模型原理和R语言预测心脏病实例

探索见解

去bilibili观看

探索更多视频

数据挖掘中决策树是一种经常要用到的技术,可以用于分析数据,同样也可以用来作预测(就像上面的银行官员用他来预测贷款风险)。

image.png

建模分析

首先我们读取2016-01-01至2016-03-30的历史数据作为训练数据,我们可以对部分训练数据进行查看

image.png

然后我们读取测试数据并且以2016-04-9至2016-04-15的数据为测试集评测预测的准确度
同样的,我们可以查看测试数据

image.png

然后我们计算单酒店在三个预订渠道的总产量(或总收入)

data$income=data$b_price_after_app +data$c_price_after_app +data$e_price_after_app test$income=test$b_price_after_app +test$c_price_after_app +test$e_price_after_app

在简单的进行数据处理后,我们对数据建立决策树
并且得到以下的决策树模型

从对比图来看,我们可以发现,红色的代表预测的数据,而黑色的线代表着准确度的衡量直线,当预测点越靠近准确度线,那么该模型的预测效果越好,从该图形来看,红色的点,分布在黑色的直线周围,说明该模型的预测结果较好

为了对误差进行量化,我们计算产量排名前四分之一酒店平均误差值
并且使用如下的公式:
(∑|每天酒店预测值-每天酒店实际值|/每天酒店实际值)/天数

image.png

图片

PYTHON用户流失数据挖掘:建立逻辑回归、XGBOOST、随机森林、决策树、支持向量机、朴素贝叶斯和KMEANS聚类用户画像

阅读文章


从结果来看,误差在2%左右说明该模型的预测效果较好

在对收入进行预测之后,我们将同样的过程应用到酒店产量预测


随时关注您喜欢的主题


image.png

从决策树结果来看,我们可以看到该模型有八个分支

同样的,我们将对酒店的产量进行汇总

image.png

并且,得到排名靠前的酒店产量

在得到预测结果之后,我们对每家酒店的间夜预测值(或收入)与实际值的对比结果

绘制实际值和预测值的比较图

image.png

从对比图来看,我们可以发现,红色的代表预测的数据,而黑色的线代表着准确度的衡量直线,当预测点越靠近准确度线,那么该模型的预测效果越好,从该图形来看,红色的点,分布在黑色的直线周围,说明该模型的预测结果较好

为了对误差进行量化,我们计算产量排名前四分之一酒店平均误差值

(∑|每天酒店预测值-每天酒店实际值|/每天酒店实际值)/天数

image.png

可以看到酒店产量的预测误差在4%左右,说明该模型的预测效果较

最后,我们将所有的预测结果进行汇总,并且输出 :

image.png

结论

综上所述,通过建立酒店产量预测模型,可以有效识别出通过调整三个预订渠道的价格使得单酒店在三个预订渠道的总产量(或总收入)最大的方法。通过对历史数据的分析和决策树模型的构建,可以对酒店的收入和产量进行科学预测。实验结果表明,该模型具有较好的预测效果,预测误差在2%左右,对酒店投资者和管理者提供了重要的决策依据。通过科学预测和分析,投资者可以更好地评估投资风险,酒店管理者可以优化酒店运营策略,提高酒店的经营效益。因此,在现代社会经济发展的背景下,建立酒店产量预测模型具有重要的实际意义和应用价值。


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds