Predicción de cancelaciones de reservas
Este proyecto tiene como objetivo desarrollar un modelo de aprendizaje automático para predecir la probabilidad de que una reserva de hotel sea cancelada. El proyecto utiliza un conjunto de datos históricos de reservas de hotel para entrenar y evaluar diferentes modelos. El modelo final se implementará en una API web para que pueda ser utilizado por el hotel para tomar mejores decisiones sobre la gestión de reservas.
Tecnologías utilizadas:
- Python
- Pandas
- NumPy
- Scikit-learn
- XGBoost
- SHAP
Metodología:
- Recopilación de datos: Se recopilará un conjunto de datos históricos de reservas de hotel.
- Preprocesamiento de datos: Se limpiarán y formatearán los datos para su uso en el modelado.
- Selección de características: Se seleccionarán las características más relevantes para la predicción.
- Entrenamiento del modelo: Se entrenarán y evaluarán diferentes modelos de aprendizaje automático.
- Selección del modelo: Se seleccionará el modelo con el mejor rendimiento.
- Implementación del modelo: El modelo final se implementará en una API web.
Resultados esperados:
- Desarrollar un modelo de aprendizaje automático que pueda predecir la probabilidad de cancelación de una reserva con alta precisión.
- Implementar el modelo en una API web para que pueda ser utilizado por el hotel para tomar mejores decisiones sobre la gestión de reservas.
Beneficios:
- Reducir el número de cancelaciones de reservas.
- Mejorar la gestión de reservas.
- Optimizar la ocupación del hotel.
- Aumentar los ingresos del hotel.
Autor: Jorge Leonardo Loreto Riera