53 lines
4.5 KiB
Markdown
53 lines
4.5 KiB
Markdown
|
# Лабораторная работа №5
|
|||
|
|
|
|||
|
|
## ПИбд-41, Курмыза Павел
|
|||
|
|
|
|||
|
|
Датасет по варианту: https://www.kaggle.com/datasets/jessemostipak/hotel-booking-demand.
|
|||
|
|
|
|||
|
|
Данный набор данных содержит информацию о бронировании городской и курортной гостиниц и включает в себя такие
|
|||
|
|
сведения, как время бронирования, продолжительность пребывания, количество взрослых, детей и/или младенцев, количество
|
|||
|
|
свободных парковочных мест и т.д.
|
|||
|
|
|
|||
|
|
## Как запустить ЛР
|
|||
|
|
|
|||
|
|
- Запустить файл main.py
|
|||
|
|
|
|||
|
|
## Используемые технологии
|
|||
|
|
|
|||
|
|
- Язык программирования Python
|
|||
|
|
- Библиотеки: sklearn, numpy, pandas
|
|||
|
|
|
|||
|
|
## Что делает программа
|
|||
|
|
|
|||
|
|
Программа решает задачу кластеризации на выбранном датасете: выделение наиболее прибыльных посетителей отелей на основе
|
|||
|
|
их времени прибывания и средней цены одной ночи пребывания в отели. Решение достигается в несколько этапов:
|
|||
|
|
|
|||
|
|
- Предобработка данных
|
|||
|
|
- Стандартизация данных и приведение их к виду, удобном для работы с моделями ML
|
|||
|
|
- Использование модели кластеризации K-средних
|
|||
|
|
- Визуализация полученных результатов и вывод
|
|||
|
|
|
|||
|
|
## Тестирование
|
|||
|
|
|
|||
|
|
Теперь мы рассмотрели задачу кластеризации K-средних, и проанализируем результаты каждого
|
|||
|
|
кластера, чтобы определить наиболее прибыльных клиентов в нашем наборе данных на основе времени выполнения заказа и ADR.
|
|||
|
|
Первая проблема, с которой мы сталкиваемся, когда хотим использовать кластеризацию с помощью K-средних, - это
|
|||
|
|
определение оптимального количества кластеров, которые мы хотим получить в качестве результатов. Поэтому сначала для
|
|||
|
|
определения количества кластеров мы использовали метод локтя:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
Для определения оптимального количества кластеров необходимо выбрать значение k, после которого искажение начинает
|
|||
|
|
линейно уменьшаться. Таким образом, мы пришли к выводу, что оптимальное количество кластеров для данных равно 4. Поэтому
|
|||
|
|
мы запустили алгоритм K-средних на основе lead_time и ADR с количеством кластеров, равным 4, и вывели центры кластеров:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
## Вывод
|
|||
|
|
|
|||
|
|
Наиболее прибыльными считаются клиенты с наименьшим временем пребывания и наибольшим ADR, т.е. клиенты, попавшие в
|
|||
|
|
зеленый кластер. В то время как красная категория показывает самый низкий ADR и самое высокое (наименее выгодное) время
|
|||
|
|
пребывания. В нашем случае после визуализации графика мы можем задать такие вопросы, как: почему у
|
|||
|
|
одних клиентов время пребывания меньше, чем у других? и есть ли вероятность, что клиенты в определенных странах
|
|||
|
|
соответствуют этому профилю? и т.д. На все эти вопросы алгоритм кластеризации K-средних может и не ответить напрямую,
|
|||
|
|
но сведение данных в отдельные кластеры обеспечивает надежную основу для постановки подобных вопросов.
|