基于游客屬性信息的消費因素數(shù)據(jù)挖掘.pdf

1、在當今社會，旅游已經(jīng)成為了一種時尚的休閑娛樂方式。然而景區(qū)的收入?yún)s不容樂觀。為了解決這個問題，許多景區(qū)開始通過各種渠道收集信息并進行分析。然而有些部門卻沒有充分的研究利用這些寶貴的數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)能夠自動方便地挖掘隱藏的知識模式。本文在旅游數(shù)據(jù)上建立隨機森林模型，利用模型分析出影響游客消費水平的因素，進而提高旅游景區(qū)的收益。隨機森林算法具有諸多優(yōu)點，但是該算法在分類性能上還有一定的提升空間，本文嘗試對特征抽取的過程進行改進從而提高模型

2、的分類性能。本文的主要工作如下：
　　(1)隨機森林模型的構(gòu)建。首先對收集到的旅游數(shù)據(jù)進行預處理。由于預處理后的數(shù)據(jù)集是不平衡數(shù)據(jù)集，本文采取SMOTE算法對不平衡數(shù)據(jù)集進行處理，得到相對平衡的數(shù)據(jù)集。在相對平衡數(shù)據(jù)集的基礎(chǔ)上，建立隨機森林模型。進而得出特征變量的重要性以及特征變量與類別變量的偏相關(guān)關(guān)系。實驗結(jié)果表明收入水平，旅游天數(shù)，旅游方式，景區(qū)游覽主題的鮮明程度，景區(qū)服務質(zhì)量，門票價格對游客消費影響較大。收入水平，旅游天數(shù)，

3、景區(qū)游覽主題的鮮明程度，景區(qū)服務質(zhì)量與游客消費水平呈正相關(guān)關(guān)系。根據(jù)偏相關(guān)關(guān)系得出特征變量對類別變量的影響趨勢變化，進而對景區(qū)提出相應的改進建議。
　　(2)隨機森林模型的改進。首先詳細分析影響隨機森林模型的因素，其中包括節(jié)點分裂的預選屬性個數(shù)，隨機森林模型中決策樹的個數(shù)以及建模過程中的兩個隨機性。針對特征抽取的隨機過程提出了分區(qū)間抽取方法。利用互信息得出特征變量與類別變量間的關(guān)聯(lián)程度，根據(jù)此關(guān)聯(lián)程度對特征變量進行排序，進而劃分出