RT info:eu-repo/semantics/bachelorThesis
T1 Aprendizaje automático aplicado al sector hotelero
A1 Embarec Riadi, Alien
A2 Grado en Ingeniería Informática
K1 Predicción precio alojamiento
K1 Cancelaciones reservas
K1 Tarifa diaria de alojamiento.
K1 Regresión
K1 Clasificación
K1 Ciencia de datos
K1 Aprendizaje automático
K1 Aprendizaje supervisado
AB El objetivo de este trabajo ha sido estudiar el fenómeno de la ocupación enla industria hotelera. Concretamente, disponemos de dos fuentes de datos[1], representativas de la actividad de reservas en dos hoteles ubicados enPortugal. Esta información viene complementada con una serie de variablesadicionales que ayudan a entender cómo varía la demanda en los doshoteles.La información disponible, pues, cubre información de reservas,cancelaciones, edades de los clientes, tarifa diaria abonada por elalojamiento, categoría de habitaciones contratadas, etc.El objetivo de este proyecto es, aprovechando las herramientas delAprendizaje Automático, estudiar varios problemas comunes de la industria,como predecir el precio diario de alojamiento dadas unas variables queinfluyen como la antelación, el número de noches contratadas, la probabilidadde cancelación de una reserva, entre otras.Otra de las metas de este proyecto es crear un modelo que prediga lasreservas donde es más plausible la cancelación. El repositorio de datoscuenta con una variable is_canceled que indica si la reserva ha sidocancelada o no.Esta variable, cotejada con otros datos de los que depende, como losrecargos aplicados a algunas habitaciones, las peticiones especiales de losclientes, el efecto de las reservas hechas con mucha antelación, entre otrosfactores, puede contribuir a construir un modelo clasificador con un alto gradode fiabilidad, que dado un conjunto de datos de entrada, etiquete los registrosmás propensos a cambios y anulaciones.
YR 2020
FD 2020
LK http://riull.ull.es/xmlui/handle/915/21338
UL http://riull.ull.es/xmlui/handle/915/21338
LA es
DS Repositorio institucional de la Universidad de La Laguna
RD 24-nov-2024