Portugal Hotel Booking Analysis · 葡萄牙酒店预订分析与取消预测

项目简介：基于公开数据集 Hotel Booking Demand（119,390 条原始记录，覆盖 2015–2017 年葡萄牙 City Hotel 与 Resort Hotel 两类酒店），完整走通数据清洗 → 探索性分析（EDA）→ 特征工程 → 机器学习建模 → 模型解释 → 可视化交付的数据分析标准链路。

核心目标：① 洞察客源结构、价格规律与预订取消模式；② 构建高精度取消预测模型，为酒店运营（客房规划、餐饮备货等）提供决策支持。

成果：清洗后 119,210 条有效预订、取消率 37.1%；四模型 4 折交叉验证中，调参后的增强随机森林以 86.81% 准确率夺冠；并配套一套深色科技风 Streamlit 数据大屏，支持交互式探索与单条预订取消概率预测。

在线演示项目介绍页源码仓库

📅 2026-08-14 ｜分类：数据分析 / 机器学习｜标签：Python / scikit-learn / XGBoost / plotly / Streamlit

一、项目背景

酒店经营者为了提高客房出租率，常提前将客房预订一空，但顾客预订后可能因各种原因取消，给酒店带来未来出租的不确定性。本项目基于葡萄牙两家酒店（H1 阿尔加维度假区 Resort Hotel、H2 里斯本市中心 City Hotel，相距约 280 公里）在 2015-07-01 ~ 2017-08-31 期间的预订数据，完成数据分析与取消预测，帮助酒店提前预判哪些订单可能「爽约」。

二、数据与预处理

数据来源：Kaggle「Hotel Booking Demand」公开数据集（119,390 条原始记录，32 个字段，含分类与数值特征）。
数据规模：清洗后 119,210 条有效预订，总体取消率 37.1%。
EDA 关注问题：客人来自哪里？每晚房费多少？一年中价格如何变化？哪个月最忙？住多久？按市场细分的预订情况？取消集中在哪几个月？

三、分析链路与模型

步骤	内容
数据清洗	缺失值处理、异常值过滤、类别编码
EDA	客源国分布、房价（房型 / 月度 / 渠道）、入住时长、月度客流、取消率、相关性分析
特征工程	分类特征 One-Hot / Label 编码、数值特征标准化
建模评估	4 折交叉验证，比较四类模型准确率
模型解释	特征重要性排序，识别影响取消的关键因素
可视化交付	Streamlit 数据大屏 + 单条预订取消概率预测

模型表现（4 折交叉验证准确率）

模型	准确率	说明
决策树 Decision Tree	82.46%	基线模型，可解释性强
随机森林 Random Forest	86.64%	集成提升，默认参数
逻辑回归 Logistic Regression	79.37%	线性基线（StandardScaler 缩放）
增强随机森林 Enhanced RF ★	86.81%	调参后最佳（n_estimators=160, max_features=0.4）

# 建模评估核心流程（摘要）
models = {
    "DecisionTree": DecisionTreeClassifier(),
    "RandomForest": RandomForestClassifier(),
    "LogisticRegression": LogisticRegression(),
    "EnhancedRF": RandomForestClassifier(n_estimators=160, max_features=0.4),
}
for name, model in models.items():
    scores = cross_val_score(model, X, y, cv=4, scoring="accuracy")
    print(name, round(scores.mean() * 100, 2))

四、Streamlit 数据大屏

深色科技风交互看板，包含三大功能模块：

模块	功能
📊 数据概览	KPI 大屏卡（总预订量 / 取消数 / 提前天数 / 均价）、两类酒店预订量对比、预订渠道占比、缺失值检查与数据预览
🔍 探索性分析	客源国分布（饼图 + 世界地图）、房价分析（房型 / 月度趋势 / 渠道×房型）、入住时长、月度客流、取消率、相关性 Top10
🤖 取消预测	混淆矩阵、特征重要性，单条预订取消概率预测（仪表盘 + 风险等级）

1
2
3

# 启动 Streamlit 数据大屏
streamlit run streamlit_app.py
# 浏览器打开 http://localhost:8501

五、技术栈与项目结构

技术栈：Python 3 · pandas / numpy / matplotlib / seaborn / plotly / xgboost / scikit-learn / Streamlit / Jupyter。

文件 / 目录	说明
`hotel_bookings.csv`	酒店预订数据（119,390 条原始）
`酒店预订分析预测.ipynb`	完整分析 Notebook（EDA + 建模）
`streamlit_app.py`	Streamlit 数据大屏
`requirements.txt`	Python 依赖
`index.html`	项目介绍页

六、相关链接

在线演示：https://portugal-hotel-booking-analysis-mghtrt2nhkzqbv7u5qlshv.streamlit.app/
项目介绍页：https://yohoten.github.io/portugal-hotel-booking-analysis
源码仓库：https://github.com/yohoten/portugal-hotel-booking-analysis
数据来源：https://www.kaggle.com/datasets/jessemostipak/hotel-booking-demand