Были предоставлены следующие признаки о бронированиях:
- Номер записи
- Количество взрослых постояльцев
- Год заезда
- Месяц заезда
- Неделя заезда
- День заезда
- Количество младенцев
- Количество изменений параметров бронирования
- Количество детей от 3 до 14 лет
- Гражданство постояльца
- Тип бронирования
- Сколько дней заказ ожидал подтверждения
- Канал дистрибуции бронирования
- Факт отмены заказа
- Признак того, что гость уже бронировал номер ранее
- Количество дней между датой бронирования и датой прибытия
- Опции питания
- Количество подтверждённых ранее бронирований у клиента
- Количество отменённых заказов у клиента
- Количество необходимых парковочных мест
- Тип забронированной комнаты
- Количество ночей в выходные дни
- Количество ночей в будние дни
- Общее количество ночей
- Количество особых пожеланий клиента
Создать окупаемую за тестовый период модель, оценивающую, последует ли отмена совершённого бронирования. Для сокращения убытков компании клиентам с негативным прогнозом будет предложено внести депозит.
numpy
pandas
pandas_profiling
plotly
sklearn
catboost
Завершён