Predict whether guests will cancel their hotel booking by analyzing relevant data, such as adult counts, child numbers, weekend stays, weekday stays, meal types and parking requirements.

简介：
本项目的主要目标是评估客户是否会取消其酒店预订行为。通过综合考虑多维度影响因素的数据分析，包括成年人数量、儿童数量、周末夜数、工作日夜数等指标，结合餐饮类型、停车位可用性、预订单时距到达日期等因素，并参考市场细分情况以及客户的退款历史数据（即先前取消和未取消预订的数量），构建预测模型。 本研究基于$...$的数据来源进行分析，其中涉及的样本特征具有代表性。所选数据涵盖范围广泛，并且能够有效反映目标领域的主要指标。 数据集包括了36238条记录，涉及预订人数、儿童数量以及预定的周末夜晚和工作日夜晚次数等方面的信息。这些数据经过整理，按照格式整合年、月、日信息并完成了必要的数据清理与预处理工作。研究方法：数据预处理：涉及数据清洗、缺失值填充与异常值修正等环节。探索性数据分析（EDA）：利用可视化方法探究各变量间的关联及对预订取消的影响规律。特征工程：筛选出能够提升预测效能的关键特征，如预定了x天前的记录、常光顾该平台用户等。模型选择和训练：采用决策树、随机森林与逻辑回归等多种机器学习算法结合，并配合网格搜索进行参数优化以实现最佳性能调参效果。模型评估：基于准确率、召回率及F1分数等指标系统性考察模型预测效果。主要发现： 市场细分也对预订取消有一定直接影响，在这一渠道中