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. |