National and Kapodistrian University of Athens
Machine learning techniques for hotel booking cancellation prediction
Abstract
dc:descriptionH παρούσα διπλωματική εργασία εξετάζει την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη ακυρώσεων κρατήσεων ξενοδοχείων, χρησιμοποιώντας ένα σύνολο δεδομένων που συλλέχθηκε από ξενοδοχεία στην Πορτογαλία την περίοδο 2015-2017. Το σύνολο των δεδομένων αποτελείται από 119,390 παρατηρήσεις και 32 γνωρίσματα που σχετίζονται με τις λεπτομέρειες της κράτησης, τους πελάτες καθώς και χαρακτηριστικά του ξενοδοχείου, με τη μεταβλητή-στόχο να δηλώνει εάν μια κράτηση ακυρώθηκε ή όχι. Η μελέτη ξεκινά με διερευνητική ανάλυση των δεδομένων για την κατανόηση της υποκείμενης δομής. Οι μεταβλητές εξετάζονται όσον αφορά την κατανομή και τις συχνότητές τους, ενώ στη συνέχεια πραγματοποιούνται στατιστικοί έλεγχοι για την εκτίμηση της σημαντικότητάς τους σε σχέση με το αποτέλεσμα της κράτησης. Οι συσχετίσεις μεταξύ των χαρακτηριστικών αναλύονται μέσω του συντελεστή Spearman για αριθμητικές μεταβλητές και του Cramer’s V για κατηγορικές μεταβλητές, προκειμένου να εντοπιστεί πιθανή πολυσυγγραμμικότητα και περιττή πληροφορία. Επιπλέον, πραγματοποιείται ανάλυση σημαντικότητας των μεταβλητών, ώστε να βελτιστοποιηθεί το σύνολο δεδομένων. Τρεις αλγόριθμοι μηχανικής μάθησης, Decision Tree, Random Forest και XGBoost, υλοποιούνται σε περιβάλλον Python. Δίνεται προτεραιότητα στην βελτιστοποίηση της ανάκλησης (recall), διασφαλίζοντας ότι ανιχνεύονται όσο το δυνατόν περισσότερες ακυρώσεις. Τα μοντέλα αξιολογούνται βάσει μετρικών, όπως Recall, Precision, F1-score, Accuracy και AUCPR, προκειμένου να γίνει μια ολοκληρωμένη ανάλυση της προβλεπτικής τους ικανότητας. Τα αποτελέσματα δείχνουν ότι τα επιλεγμένα μοντέλα μηχανικής μάθησης ταξινομούν αποτελεσματικά τις ακυρώσεις κρατήσεων. Το μοντέλο XGBoost παρουσίασε τη συνολικά καλύτερη απόδοση, επιτυγχάνοντας 79% ακρίβεια και F1-score 69%, ισορροπώντας precision (60%) και recall (82%). Το μοντέλο Decision Tree είχε τη μέγιστη ανάκληση (recall 89%), καθιστώντας το το πιο αποτελεσματικό στην ανίχνευση ακυρώσεων, ενώ το μοντέλο Random Forest προσέφερε μια ισορροπημένη προσέγγιση, με recall 84% και precision 54%.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Περιβολάρη Ευαγγελία
- Perivolari Evangelia
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5306715