Aluno: [Marine Patricia Chevallier] (https://github.com/marineche)
Orientador: [Dr. Leonardo Alfredo Forero Mendoza] (https://github.com/leofome8)
Trabalho apresentado ao curso BI MASTER como pré-requisito para conclusão de curso e obtenção de crédito na disciplina "Projetos de Sistemas Inteligentes de Apoio à Decisão".
Nesse projeto o objetivo é extrair informações dos dados que ajudem uma rede de hotéis a evitar cancelamentos, construindo também modelos preditivos para que seja possível ter ações de retenção e identificar os clientes mais propensos a cancelar as reservas.
The purpose of this project is to extract insights from the dataset witch helps a hotel chain to avoid bookings cancellations, and to build predictive's models to make possible have retentions actions and to identify customers that are more will to cancel bookings.
Muitos hotéis querem diminuir a taxa de cancelamento de reservas. Para isso, devemos extrair dos dados, informações que nos ajudem a diminiur essa taxa. Como por exemplo, analisar se quando uma reserva é reembolsável, se quando o cliente é antigo, dentre outros fatores, influenciam no cancelamento de reservas.
Além disso, foi aplicado um modelo de machine learning supervisionado, que é o de classificação. Nele, temos a variável resposta categórica que é se a reserva foi ou não cancelada.
Foi feita a leitura e tratamento dos dados, criação de novas variáveis, pré-processamento, análise exploratória e aplicação de modelos de classificação.
A primeira etapa da modelagem é o pré-processamento dos dados, onde selecionamos as variáveis que são relevantes para o modelo, as tratamos ou até mesmo criamos novas variáveis. Após tratar e normalizar os dados, vamos aplicar modelos de classificação: Logistic Regression, K-Nearest Neighbor, Decision Tree, Random Forest e Support Vector Classification.
Os algoritmos que tiverm a melhor performance foram a Árvore de decisão e o Random Forest, ambos com aproximadamente 76% de acurácia. Como essa base é de cancelamentos (eventos) e não temporal/sazonal e queremos prever o cancelamento, então podemos separar a base de treino e teste aleatoriamente como foi feito nesse desafio, pois não queremos fazer uma previsão temporal e sim eventual. Se quiséssemos fazer uma classificação no tempo/sazonal, então a separação também seria sazonal, pegando os últimos dados (ano de 2017 por exemplo) como teste/validação.
Os dados fornecidos por essa base de dados são de classificação supervisionada. Contém informações de reserva para um City Hotel e um Resort Hotel, como e quando a reserva foi feita, número de hóspedes, quantas vagas de estacionamento foram requeridas, dentre outras informações. Os algoritmos de regressão logística como KNN, Decision Tree, Random Forest, SVC, SGD e Ridge Classifier são usados para lidar com esse modelo de classificação supervisionado. Dentre esses algoritmos, o que teve o melhor desempenho em relação à precisão foi a Árvore de Decisão e Random Forest.
Matrícula: 201.110.029
Pontifícia Universidade Católica do Rio de Janeiro
Curso de Pós Graduação Business Intelligence Master