使用贝叶斯模型预测酒店预订取消
机器学习
2024-10-25 v2 人工智能
摘要
本研究应用贝叶斯模型预测酒店预订取消，这是影响酒店业资源分配、收入和客户满意度的关键挑战。使用包含36,285个观测值和17个特征的Kaggle数据集，实现了贝叶斯逻辑回归和Beta-二项模型。应用于12个特征和5,000个随机选择观测值的逻辑模型在预测准确性上优于Beta-二项模型。关键预测因素包括成人数量、儿童数量、住宿时长、提前期、停车位、房间类型和特殊要求。使用留一法交叉验证（LOO-CV）进行的模型评估证实了观测结果与预测结果之间的高度一致性，证明了模型的稳健性。特殊要求和停车可用性被发现是取消的最强预测因素。这种贝叶斯方法为改善酒店业的预订管理和运营效率提供了有价值的工具。
引用
@article{arxiv.2410.16406,
title = {Hotel Booking Cancellation Prediction Using Applied Bayesian Models},
author = {Md Asifuzzaman Jishan and Vikas Singh and Ayan Kumar Ghosh and Md Shahabub Alam and Khan Raqib Mahmud and Bijan Paul},
journal= {arXiv preprint arXiv:2410.16406},
year = {2024}
}