基于RandomForest的取消酒店預(yù)訂應(yīng)用研究

顧鳳云 曹睿

摘 要：酒店行業(yè)迅速發(fā)展的同時(shí)，存在專業(yè)人才短缺、缺乏成熟的管理模式和臨時(shí)取消率高等問題。本文以Kaggle酒店取消預(yù)訂數(shù)據(jù)集為研究對(duì)象，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，再利用Lasso方法進(jìn)行特征重要性排序，將特征提取后的數(shù)據(jù)作為RandomForest訓(xùn)練模型的輸入進(jìn)行預(yù)測，并且通過與XGBoost、LightGBM、DecisionTree等7種主流算法進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明本文方案在accuracy、recall、f1_score、AUC四種性能指標(biāo)上優(yōu)于對(duì)比模型。采用SHAP模型對(duì)已建立的價(jià)格模型進(jìn)行解釋，同時(shí)通過XGBoost， RandomForest的特征重要性排序，識(shí)別影響取消預(yù)訂的關(guān)鍵因素是押金類型、預(yù)訂時(shí)長以及預(yù)定渠道。

關(guān)鍵詞：機(jī)器學(xué)習(xí);取消預(yù)訂模型;酒店行業(yè);Randomforest模型;SHAP值

中圖分類號(hào)：TP391 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1673-260X（2021）06-0015-08

隨著經(jīng)濟(jì)的快速發(fā)展和各種交流活動(dòng)的日益頻繁，我國旅游行業(yè)與酒店行業(yè)得到了迅速發(fā)展。《2019年中國旅游業(yè)統(tǒng)計(jì)公報(bào)》顯示，到2019年末，全國星級(jí)飯店10130家，平均房價(jià)378.55元/間夜，同比增長6.3%;平均出租率56.7%，同比下降1.3%;每間可供出租客房收入214.65元/間夜，同比增長4.9%;每間客房平攤營業(yè)收入40424.51元/間，同比增長5.4%[1]。眾所周知，預(yù)訂是現(xiàn)代酒店管理中一個(gè)重要的環(huán)節(jié)。顧客提前預(yù)訂，是希望抵達(dá)酒店時(shí)就有滿足其要求的客房，其目的是便于顧客的行程安排[2]。隨著互聯(lián)網(wǎng)的普及，使得提前預(yù)訂更加便捷。但預(yù)訂好客房的顧客可能會(huì)到了規(guī)定的日期而沒有到店，或者臨時(shí)取消預(yù)訂，致使酒店預(yù)留的客房無法銷售而造成損失[3]。目前學(xué)術(shù)界對(duì)于酒店行業(yè)的關(guān)注主要集中在用戶行為[3-5]、競爭環(huán)境[6-8]、管理系統(tǒng)[9-11]、預(yù)訂價(jià)格[12，13]等方面，針對(duì)建立取消酒店預(yù)訂模型方面的相關(guān)研究相對(duì)較少。目前針對(duì)取消率及影響因素方面的研究，主要集中在交通[14，15]領(lǐng)域，缺乏針對(duì)酒店行業(yè)的相關(guān)研究。因此，在酒店行業(yè)專業(yè)人才短缺、缺乏成熟的管理模式、臨時(shí)取消率高等問題的背景下，亟須建立科學(xué)規(guī)范的預(yù)測模型，這對(duì)于規(guī)范并提高酒店的智能化管理水平、提高酒店入住率并增加酒店收益等方面，都具有重要的促進(jìn)意義。

1 研究概述

本文的核心是利用RandomForest模型解決酒店行業(yè)中預(yù)訂取消的問題。熊偉以深圳大梅沙京基喜來登度假酒店為例對(duì)取消預(yù)訂的酒店顧客預(yù)訂行為進(jìn)行了研究，結(jié)果顯示，整體上取消預(yù)訂的顧客以男性商務(wù)顧客居多。顧客大多為臨時(shí)的行程取消或更改而取消預(yù)訂，且性價(jià)比和顧客對(duì)酒店的信任度對(duì)此有一定影響[3]。龍凡認(rèn)為我國經(jīng)濟(jì)型酒店還處于成長階段，市場競爭雖然還未達(dá)到激烈狀態(tài)，但消費(fèi)者人群已經(jīng)形成，并認(rèn)可經(jīng)濟(jì)型酒店的存在，行業(yè)還有較大增長的潛力[6]。李昕提出了基于WLAN的酒店餐飲管理系統(tǒng)的設(shè)計(jì)方案，并通過對(duì)關(guān)鍵技術(shù)實(shí)現(xiàn)過程的具體描述，得出了嵌入式可視化軟件的理想設(shè)計(jì)模式[9]。李東娟借用配對(duì)樣本檢驗(yàn)方法對(duì)我國酒店在線預(yù)訂價(jià)格競爭進(jìn)行實(shí)證研究。結(jié)果表明，酒店官網(wǎng)銷售價(jià)格比相應(yīng)的在線中介代理價(jià)格偏低，經(jīng)濟(jì)型酒店對(duì)中介代理的依賴程度比國內(nèi)其他類型酒店要低，其官網(wǎng)價(jià)格具有一定的市場競爭力[12]。針對(duì)取消預(yù)訂預(yù)測方面，研究者基于不同視角構(gòu)建了不同的預(yù)測模型進(jìn)行了相關(guān)研究。劉玉潔基于貝葉斯網(wǎng)絡(luò)建立了延誤波及模型，探討了相關(guān)航班中，進(jìn)港延誤和航班取消對(duì)離港延誤的影響。研究發(fā)現(xiàn)，進(jìn)港延誤對(duì)離港延誤的波及現(xiàn)象在不同情況下的程度有差異[13]。李純柱利用XGBoost算法對(duì)航班取消事件進(jìn)行了預(yù)測。實(shí)驗(yàn)結(jié)果表明XGBoost分類器的性能優(yōu)于基準(zhǔn)模型，f1_score值為0.9695[14]。Agustin J提出一種僅使用13個(gè)獨(dú)立變量就可以預(yù)測酒店預(yù)訂取消的方法，除了采用遺傳算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)外，還應(yīng)用了機(jī)器學(xué)習(xí)技術(shù)，實(shí)驗(yàn)結(jié)果表明準(zhǔn)確率高達(dá)98%[15]。Nuno Antonio將8家酒店的物業(yè)管理系統(tǒng)的數(shù)據(jù)與多個(gè)來源（天氣、假日、事件、社會(huì)聲譽(yù)和在線價(jià)格）的數(shù)據(jù)結(jié)合，并使用機(jī)器學(xué)習(xí)可解釋的算法開發(fā)預(yù)訂取消酒店的預(yù)測模型。研究結(jié)果顯示，在實(shí)際的生產(chǎn)環(huán)境中，由于使用這些模型而提高了預(yù)測準(zhǔn)確性，可以使旅館經(jīng)營者減少取消的次數(shù)，從而增加對(duì)需求管理決策的信心[16]。

在以上相關(guān)研究中，本文與Agustín J和Nuno Antonio的研究內(nèi)容較為接近，都是利用機(jī)器學(xué)習(xí)方法建立預(yù)測模型，但是本文與他們的研究不同之處在于Agustín J和Nuno Antonio采用的均為黑箱機(jī)器學(xué)習(xí)模型，這使得建立的預(yù)測模型缺乏可解釋性，為了解決這一問題，本文通過引入SHAP模型，能夠?qū)τ绊懭∠A(yù)訂的因素進(jìn)行分析，為酒店行業(yè)改進(jìn)服務(wù)質(zhì)量提供了決策參考。

2 模型與方法

2.1 問題分析

設(shè)X為酒店預(yù)訂特征集合（酒店類型、到達(dá)時(shí)間、入住人數(shù)、最終預(yù)訂狀態(tài)等信息），Y為是否取消，給定訓(xùn)練數(shù)據(jù)集為D={（x1，y1），（x2，y2），…，（xs，ys）}，其中xi=（xi（1），xi（2），…，xi（p））為輸入實(shí)例，p為特征個(gè)數(shù)，i=1，2，…，s，s為樣本個(gè)數(shù)。將訓(xùn)練樣本進(jìn)行異常值處理、數(shù)據(jù)標(biāo)準(zhǔn)化等特征工程處理后，將樣本輸入到RandomForest模型中進(jìn)行計(jì)算。隨機(jī)森林是基于Bagging框架下的決策樹模型，建立的是多個(gè)決策樹，即通過結(jié)合多個(gè)弱學(xué)習(xí)器，從而達(dá)到強(qiáng)學(xué)習(xí)器的效果[17]。隨機(jī)森林包含了很多樹，每棵樹給出分類結(jié)果，每棵樹都有生成規(guī)則。

（1）如果訓(xùn)練集大小為N，對(duì)于每棵樹而言，隨機(jī)且有放回地從訓(xùn)練中抽取N個(gè)訓(xùn)練樣本，作為該樹的訓(xùn)練集，重復(fù)K次，生成K組訓(xùn)練樣本集。

（2）如果每個(gè)特征的樣本維度為M，指定一個(gè)常數(shù)m？塏M，隨機(jī)從M個(gè)特征中選取m個(gè)特征。

（3）利用m個(gè)特征對(duì)每棵樹盡最大可能的生長，并且沒有剪枝過程。

隨機(jī)森林的分類算法流程如圖1所示：

2.2 SHAP的原理

在樣本量足夠大的前提下，通過RandomForest算法可以訓(xùn)練出預(yù)測精度較高的分類模型，但是RandomFoest與傳統(tǒng)的線性模型相比，在模型的可解釋性上，幾乎是一個(gè)黑箱模型。為了解決這個(gè)問題，本文采用SHAP值對(duì)模型中影響取消預(yù)訂的因素進(jìn)行解釋分析。SHAP是由Lundberg和Lee[18]于2017年提出，用于增強(qiáng)XGBoost等模型的可解釋性。

假設(shè)第I個(gè)樣本為xi，第I個(gè)樣本的第j個(gè)特征為xij，模型對(duì)該樣本的預(yù)測值為yi，整個(gè)模型的基線為ybase，那么SHAP value服從以下等式：

yi=ybase+f（xi1）+f（xi2）+…+f（xip）， ?（1）

其中f[（x）ij]為xij的SHAP值。RandomForest傳統(tǒng)的feature importance只能反映出特征的重要程度，但并不清楚該特征是如何影響預(yù)測結(jié)果的。SHAP value最大的優(yōu)勢(shì)是SHAP能反映出每一個(gè)樣本特征的影響力，而且還指出影響的正負(fù)性。

3 特征工程

3.1 數(shù)據(jù)概況

本文選取Kaggle競賽Hotel booking demand（https：//www.kaggle.com/jessemostipak/hotel-booking-demand）作為研究的數(shù)據(jù)源，該數(shù)據(jù)集包括酒店的基本信息，其中是否取消預(yù)訂作為輸出標(biāo)簽值。數(shù)據(jù)集總量為119390，特征總數(shù)為32。原數(shù)據(jù)集所含特征的均值和方差如表1所示。其部分特征如圖2所示，不論是城市酒店還是度假村，5月至9月是入住旺季（68.7%）;城市酒店的取消預(yù)訂集中在4月至6月，而度假村在6月、8月及9月的取消次數(shù)較多。

3.2 特征工程

（1）異常值處理 預(yù)測建模需要對(duì)數(shù)據(jù)進(jìn)行異常數(shù)據(jù)剔除和缺失數(shù)據(jù)處理，如圖3所示。在119390個(gè)初始樣本中，剔除lead_time大于500、stays_in_ weekend_nights大于6、stays_in_week_nights大于10、adults大于4、children大于8以及babies大于8的異常樣本，剩余118489個(gè)樣本。

（2）缺失值處理及數(shù)據(jù)編碼 缺失數(shù)據(jù)的處理按照特征的屬性區(qū)別對(duì)待，對(duì)children用眾數(shù)填充;對(duì)country采用字符串unknown填充;因company缺失90%，故選擇剔除該變量。對(duì)meal、market_segment、distribution_channel、reserved_room_ type、assigned_room_type、customer_type、reservation _status等特征進(jìn)行獨(dú)熱編碼;對(duì)country、hotel采用標(biāo)簽編碼。

（3）相關(guān)性分析 目標(biāo)變量（is_canceled）與lead_time、required_car_parking_spaces、total_of_ special_requests、deposit_given等變量的相關(guān)系數(shù)較高，說明以上變量的變動(dòng)可能對(duì)目標(biāo)變量產(chǎn)生較大影響，如圖4所示。

（4）特征轉(zhuǎn)換 添加新變量family、deposit、total_customers以及total_nights。family的取值為：當(dāng)adults大于0且children大于0時(shí)，取1，其他取0;deposit的取值為：當(dāng)deposit_type為No Deposit且為Refundable時(shí)，取0，其他取1。

（5）Lasso特征選擇 在實(shí)際的工作中，Lasso的參數(shù)λ越大，參數(shù)的解越稀疏，選出的特征越少。本文采用交叉驗(yàn)證方法計(jì)算模型的RMSE，然后選擇RMSE的極小值點(diǎn)，從而確定參數(shù)λ的值。特征的重要程度如圖5所示，最終選取特征為61個(gè)。

4 實(shí)驗(yàn)結(jié)果及討論

4.1 算法評(píng)價(jià)指標(biāo)及超參數(shù)配置

本文以accuracy（正確率）、precision（精度）、recall（召回率）、f1_score作為預(yù)測模型的評(píng)價(jià)函數(shù)。其計(jì)算公式如（2）-（5）。

首先介紹幾個(gè)常見的模型評(píng)價(jià)術(shù)語，假設(shè)分類目標(biāo)只有兩類，計(jì)為正例（positive）和負(fù)例（negative）分別是：

（1）True positives（TP）：被正確地劃分為正例的個(gè)數(shù)，即實(shí)際為正例且被分類器劃分為正例的實(shí)例數(shù)。

（2）False positives（FP）：被錯(cuò)誤地劃分為正例的個(gè)數(shù)，即實(shí)際為負(fù)例但被分類器劃分為正例的實(shí)例數(shù)。

（3）False negatives（FN）：被錯(cuò)誤地劃分為負(fù)例的個(gè)數(shù)，即實(shí)際為正例但被分類器劃分為負(fù)例的實(shí)例數(shù)。

（4）True negatives（TN）：被正確地劃分為負(fù)例的個(gè)數(shù)，即實(shí)際為負(fù)例且被分類器劃分為負(fù)例的實(shí)例數(shù)。

正確率（accuracy） 正確率是最常見的評(píng)價(jià)指標(biāo)，即被分對(duì)的樣本數(shù)除以所有的樣本數(shù)，通常來說，正確率越高，分類效果越好。

精度（precision） 精度是精確性的度量，表示被分為正例的示例中實(shí)際為正例的比例。

召回率（recall） 召回率是覆蓋面的度量，度量有多個(gè)正例被分為正例。

f1-score是對(duì)精度和召回率的調(diào)和平均。

本文中所有對(duì)比算法的超參數(shù)配置如表2所示。

4.2 與其他主流機(jī)器學(xué)習(xí)模型的對(duì)比分析

8種算法的預(yù)測評(píng)價(jià)指標(biāo)結(jié)果如表3所示。以RandomForest算法為例，將處理完畢后的數(shù)據(jù)以70%的訓(xùn)練數(shù)據(jù)，30%的測試數(shù)據(jù)作為數(shù)據(jù)切分方案，各算法超參數(shù)配置，最終利用70%的數(shù)據(jù)訓(xùn)練得到模型，并在30%的驗(yàn)證數(shù)據(jù)集上預(yù)測最終詳細(xì)結(jié)果。

從表3及圖6中的詳細(xì)數(shù)據(jù)可以看出，總體上8種算法的性能對(duì)比結(jié)果是：RandomForest效果最佳，precision值為0.884，recall值為0.798，f1得分為0.838，AUC值達(dá)到0.868。StochasticGradientDescent效果最差。其中，在precision指標(biāo)上，隨機(jī)森林能夠達(dá)到0.884，其次是XGBoost，值為0.851。而邏輯回歸在precision指標(biāo)上只達(dá)到了0.786。其他算法的precision值均在區(qū)間[0.80，0.87]內(nèi)。在recall指標(biāo)上，RandomForest與其他8種算法之間的差距比較明顯，SVC的recall值只有0.506，而決策樹、RandomForest分別能夠達(dá)到0.800、0.798，其他算法的recall值均在區(qū)間[0.60，0.70]內(nèi)。在f1_score指標(biāo)上，RandomForest的值可以達(dá)到0.838，而邏輯回歸以及StochasticGradientDescent的值只有0.697。其他7種算法的f1_score值均在區(qū)間[0.70，0.80]內(nèi)。在AUC指標(biāo)上，RandomForest算法與其他算法之間的差距并不明顯，AUC值均在區(qū)間[0.75，0.88]內(nèi)。

綜上所述，RandomForest在3個(gè)評(píng)價(jià)指標(biāo)上誤差都小于其他7個(gè)算法，預(yù)測效果最為理想。比較8個(gè)算法的預(yù)測效果可以看出：（1）在預(yù)測效果上，RandomForest比其他算法預(yù)測效果好，三個(gè)指標(biāo)均為最優(yōu)，這表明本文的指標(biāo)體系是有效的，深入挖掘影響取消酒店預(yù)訂的因素可以更加準(zhǔn)確地預(yù)測顧客是否會(huì)取消預(yù)訂。（2）基于非線性的XGBoost、LightGBM算法比線性回歸、決策樹的預(yù)測效果好，這表明數(shù)據(jù)集往往表現(xiàn)出復(fù)雜的非線性關(guān)系并含有一定程度的噪聲數(shù)據(jù)，所以使用基于非線性關(guān)系的模型可以獲得較好的預(yù)測效果，但與此同時(shí)也會(huì)增大模型的復(fù)雜度。（3）基于集成方法的RandomForest、XGBoost算法預(yù)測效果較好，其原因在于RandomForest作為一種集成方法，其通過了結(jié)合多個(gè)弱學(xué)習(xí)器達(dá)到一個(gè)強(qiáng)學(xué)習(xí)器的效果。研究結(jié)果表明：在Lasso特征選擇的基礎(chǔ)上，通過RandomForest分類可以合理地預(yù)測顧客是否會(huì)取消酒店預(yù)訂，而且RandomForest方法在模型的推廣泛化上具有一定優(yōu)勢(shì)。

4.3 模型超參數(shù)調(diào)優(yōu)及模型收斂分析

Randomforest中的超參數(shù)總共有19個(gè)，主要分為Bagging的框架參數(shù)（如booster、oob_score等）、決策樹的參數(shù)（如max_features、max_depth等）。本文在參數(shù)調(diào)優(yōu)過程中采用網(wǎng)格參數(shù)搜索技術(shù)（GridSearchCV）并以accuracy為評(píng)價(jià)指標(biāo)，以表現(xiàn)最優(yōu)的Randomforest模型為訓(xùn)練集，選擇以n_estimators、max_depth、min_samples_split、min_samples_leaf四個(gè)對(duì)模型性能影響最大的參數(shù)為主，參數(shù)的搜索空間及第一輪調(diào)優(yōu)結(jié)果如表4所示。

（1）先確定n_estimators，把n_estimators設(shè)置成100，其他參數(shù)使用默認(rèn)參數(shù)，使用GridSearchCV函數(shù)進(jìn)行網(wǎng)格搜索確定合適的n_estimators。（2）找到合適的迭代次數(shù)后使用GridSearchCV函數(shù)對(duì)模型的其他三個(gè)主要參數(shù)進(jìn)行網(wǎng)格搜索自動(dòng)尋優(yōu)。使用5折交叉驗(yàn)證的方法來選擇參數(shù)，即每次將訓(xùn)練數(shù)據(jù)集分成5份，輪流將4份用于訓(xùn)練集訓(xùn)練剩下1份用于測試集測試，每次試驗(yàn)都會(huì)得到相應(yīng)的accuracy值，最后將5次測試分?jǐn)?shù)的均值作為最后的accuracy值。參數(shù)最終選擇為n_estimators、max_depth、min_samples_split、min_samples_leaf的結(jié)果為：200、8、5、3。相比未調(diào)參的結(jié)果0.884（precision值），調(diào)參后為0.925（precision值），優(yōu)化效果比較顯著。

如圖7所示，Randomforest與其他模型學(xué)習(xí)曲線對(duì)比，其中圖7（a）-（d）分別表示Randomforest、DecisionTree、XGBoost以及LightGBM的學(xué)習(xí)曲線。從圖7中可以發(fā)現(xiàn)各算法的擬合效果相差較大，可以看到除DecisionTree、RandomForest外，其他兩種算法隨著樣本量的增加，模型都趨于逐步收斂，而DecisionTree、RandomForest的測試集與交叉驗(yàn)證集性能存在較大差距。Randomforest、XGBoost、LightGBM分別在樣本量為30000時(shí)，模型就取得了較好擬合效果，并隨著樣本量的逐步增加，交叉驗(yàn)證的性能也逐漸趨于穩(wěn)定。從擬合趨勢(shì)上看，隨著樣本量的不斷增大，XGBoost與LightGBM模型能夠達(dá)到更優(yōu)的擬合效果，但XGBoost在測試集上的穩(wěn)健性相比LightGBM更為出色。

4.4 基于SHAP的模型解釋分析

圖8顯示了整個(gè)模型的特征重要度，該圖根據(jù)要素對(duì)影響取消預(yù)訂的因素重要性對(duì)其進(jìn)行排序。可以看到country（顧客來源）、total_of_special_requires（其他特殊需求數(shù)）、deposit_given（押金類型）、required_car_parking_spaces（需要停車位數(shù)）、market_segment_Online TA（網(wǎng)上預(yù)訂）、lead_time（提前預(yù)訂時(shí)長）、previous_cancellations（提前取消次數(shù)）等特征的差異對(duì)模型的影響較顯著。整體來說，前20個(gè)特征對(duì)模型產(chǎn)生的正面影響的占多數(shù)。具體而言，country對(duì)模型產(chǎn)生的正面影響較大，即country值越大，SHAP value的值也越大，紅色區(qū)域集中于SHAP value大于0的部分，藍(lán)色區(qū)域集中在SHAP value小于0的部分;與之產(chǎn)生相同影響的時(shí)deposit_given，該值越大，SHAP value的值也越大。而total_of_special_requires（其他特殊需求數(shù)）對(duì)模型產(chǎn)生的負(fù)面影響較大，即紅色區(qū)域聚集于SHAP value小于0的部分，藍(lán)色區(qū)域聚集于SHAP value大于0的部分，說明該值越大，SHAP value越小。

經(jīng)過XGBoost、RandomForest的訓(xùn)練后，可以得到每個(gè)特征的重要性指標(biāo)。表5為兩種算法特征重要性對(duì)比。

通過表5及圖9觀察發(fā)現(xiàn)，經(jīng)過XGBoost、RandomForest訓(xùn)練后，排名10的特征重要度并不完全相同。結(jié)合數(shù)據(jù)集的特征重要度排序，可以得出影響取消預(yù)訂的關(guān)鍵因素是deposit_type（押金類型）、country（客戶來源）、lead_time（提前預(yù)訂時(shí)長）、market_segment（預(yù)訂渠道）、adr（入住總?cè)藬?shù)）以及reserved_room_type（預(yù)留房型）。具體而言，deposit_type若為No default（無保證金），取消預(yù)訂的概率越高是肯定的;若lead_time（提前預(yù)訂時(shí)長）越大，取消預(yù)訂的概率越高。取消的原因可能是顧客無法控制的，例如計(jì)劃變更、疾病、事故或天氣。然而，由于顧客的行為，取消也可能發(fā)生，例如找到價(jià)格更優(yōu)惠的酒店，找到位置更好或更理想的酒店，尋找一家服務(wù)設(shè)施更好的酒店。

5 結(jié)論

酒店行業(yè)發(fā)展迅速，研究者對(duì)其的關(guān)注主要集中在用戶行為、競爭環(huán)境、管理系統(tǒng)、預(yù)訂價(jià)格等方面，針對(duì)建立取消酒店預(yù)訂模型方面的相關(guān)研究相對(duì)較少，并且已有工作中采用的均為黑箱機(jī)器學(xué)習(xí)模型，缺乏模型的可解釋性。所以，本文以kaggle酒店取消預(yù)訂數(shù)據(jù)集為研究對(duì)象，研究了基于RandomForest算法對(duì)酒店預(yù)訂場景下預(yù)測是否取消的問題。首先，對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，再利用Lasso方法進(jìn)行特征提取;其次，將特征提取后的數(shù)據(jù)作為RandomForest訓(xùn)練模型的輸入進(jìn)行預(yù)測;并且通過與XGBoost、LightGBM、DecisionTree、SVC、LogisticRegression、Adaboost以及SGD等7種主流算法對(duì)比實(shí)驗(yàn)，證明了RandomForest算法的有效性。最后，采用SHAP模型對(duì)已建立的價(jià)格模型進(jìn)行解釋，同時(shí)通過XGBoost， RandomForest的特征重要性排序，識(shí)別出影響取消預(yù)訂的關(guān)鍵因素是押金類型、預(yù)訂時(shí)長以及預(yù)定渠道。下一步工作可以考慮加入更多特征（如位置、天氣狀況、酒店星級(jí)、價(jià)格等），進(jìn)一步提升模型的預(yù)測精度。

參考文獻(xiàn)：

〔1〕國家旅游局.2019年中國旅游業(yè)統(tǒng)計(jì)公報(bào)[EB/OL].https：//www.sohu.com/a/403183779_168 029？_trans_=000014_bdss_dkygcbz，2020-06-20/2020-11-20.

〔2〕江浩.飯店預(yù)訂業(yè)務(wù)應(yīng)更有作為[J].商業(yè)研究，2006，49（07）：103-105.

〔3〕熊偉，藍(lán)文婷.基于no-show和取消預(yù)訂的酒店顧客預(yù)訂行為研究——以深圳大梅沙京基喜來登度假酒店為例[J].旅游研究，2012，4（03）：51-59.

〔4〕孫文龍.一種基于用戶行為特征的個(gè)性化酒店推薦模型[J].電子世界，2014，36（24）：469-469.

〔5〕Falk M， Vieru M J. Modelling the Cancellation Behaviour of Hotel Guests[J]. Social ence Electronic Publishing， 2018， 30（10）：3100-3116.

〔6〕龍凡.我國經(jīng)濟(jì)型酒店行業(yè)競爭環(huán)境分析[J].商業(yè)經(jīng)濟(jì)研究，2008，27（012）：101-103.

〔7〕馮小偉.激烈競爭環(huán)境下的經(jīng)濟(jì)型酒店創(chuàng)新經(jīng)營[J].河北聯(lián)合大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，14（1）：57-60.

〔8〕鄒林辰.基于SSM的酒店管理系統(tǒng)開發(fā)[J].科學(xué)技術(shù)創(chuàng)新，2020，24（32）：55-56.

〔9〕李昕，孟祥福，劉玥.基于WLAN的酒店餐飲管理系統(tǒng)的實(shí)現(xiàn)[J].微計(jì)算機(jī)信息，2007，23（06）：17-18，31.

〔10〕丁蕾錠，蘭海翔，盧涵宇，祁小軍，薛安琪.餐飲酒店信息管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，2019，15（25）：152-154.

〔11〕尚天成，吳雪，劉培紅，等.酒店客房價(jià)格影響因素研究進(jìn)展[J].天津大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2017，19（01）：1-6.

〔12〕李東娟，熊勝緒.我國酒店在線預(yù)訂價(jià)格競爭的實(shí)證研究[J].旅游學(xué)刊，2011，26（12）：37-41.

〔13〕劉玉潔，何丕廉，劉春波，等.基于貝葉斯網(wǎng)絡(luò)的航班延誤波及研究[J].計(jì)算機(jī)應(yīng)用，2008，44（17）：242-245.

〔14〕李純柱，劉博，盧婷婷.基于XGBoost算法的航班取消問題研究與預(yù)測分析[J].民航學(xué)報(bào)，2020， 4（05）：117-122.

〔15〕Agustín J. Sánchez-Medina， Eleazar C-Sánchez. Using machine learning and big data for efficient forecasting of hotel booking cancellations[J]. International Journal of Hospitality Management， 2020， 89：102546.

〔16〕Nuno Antonio.Big Data in Hotel Revenue Management： Exploring Cancellation Drivers to Gain Insights Into Booking Cancellation Behavior[J].Cornell Hospitality Quarterly. 2019， 60（04）：298-319.

〔17〕BREIMAN L. Random forests[J]. Machine Learning， 2001，45（01）：5-32.

〔18〕Lundberg S M， Lee S I. A unified approach to interpreting model predictions[C]// Advances in neural information processing systems. 2017：4765-4774.