機器學習項目：建立一個酒店推薦引擎

編譯：yxy

出品：ATYUN訂閱號

所有在線旅行社都在爭先恐後地滿足亞馬遜和網飛（Netflix）設定的AI驅動的個性化標準。此外，在線旅遊已經成為一個競爭激烈的領域，品牌試圖通過推薦，對比，匹配和分享來吸引我們的注意力（和錢包）。

在本文中，我們的目標是為在Expedia上搜索和預定酒店的用戶創建最佳的酒店推薦。我們將此問題建模為多類別的分類問題，並構建SVM和決策樹集成的方法，根據用戶的搜索細節，預測用戶可能預定酒店的簇（cluster）。

數據

數據是匿名的，幾乎所有欄位都是數字格式。數據集可以在Kaggle上找到（鏈接在文末），我們將使用train.csv捕獲用戶行為的日誌，destination.csv包含包含用戶對酒店評論的相關信息。

下面的圖提供了train.csv的概要：

下面的圖提供了destinations.csv的概要：

為了能夠在本地處理，我們隨機抽取樣本為記錄的1％。然後，我們有241,179條記錄。

（241179,24）

EDA

目標是根據用戶搜索中的信息預測用戶將預訂哪個hotel_cluster。共有100個簇。換句話說，我們正在處理100個類的分類問題。

數據非常好地分布在所有100個簇上，並且數據是偏態的。

特徵工程

日期時間，簽入日期和簽出日期列不能直接使用，我們將從中提取年份和月份。首先，我們定義了幾個函數來實現它，我們還定義了一個合併destination.csv的函數。

處理date_time列：

處理srch_ci列：

處理srch_co列：

初步分析

在創建新特徵並刪除無用的特徵之後，我們想知道是否有任何與hotel_cluster相關的內容。這可以讓我們了解是否應該更加關注某些特定的特徵。

沒有列與hotel_cluster線性相關，這意味著對特徵之間的線性關係建模的方法可能不適合該問題。

策略

經過簡單的谷歌搜索，不難發現，對於已知的搜索目的地組合，酒店所在國家，酒店的行情肯定有助於找到酒店簇。我們這樣做：

合併目標表和新創建的聚合數據透視表。

（241179,276）

實現演算法

我們只關注預訂活動。

獲取特徵和標籤。

隨機森林分類器

我們通過k折交叉驗證報告性能度量，而Pipeline可以更輕鬆地組成估計量。

SVM分類器

SVM非常耗時。但是，我們取得的成績更好。

Github：https://github.com/susanli2016/Machine-Learning-with-Python/blob/master/Hotel%20recommendation.ipynb

數據集：https://www.kaggle.com/c/expedia-hotel-recommendations/data

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！