饭店流量预测

饭店流量预测

任务目标：对饭店流量指标进行预测

处理步骤

1． 数据预处理。读取各个数据集，对原始数据进行数据预处理，包括缺失值处理、异常值处理和数据变换；
2． 提取特征。对各个数据集进行特征提取，并整合特征；
3． 构建饭店流量预测模型。建立多个模型对饭店流量进行预测；
4． 评价模型。使用混淆矩阵和ROC曲线对各个模型的预测效果进行评估，选择效果最好的那个进行预测。

1.数据预处理

1.1 导入数据集

将各个数据集使用.merge()函数进行合并

1.2 数据预处理

2. 特征提取

2.1 提取假期特征

2.2 使用指数加权移动平均法来提取特征

目的是使得用来建模的数据更有稳定性

2.3 对离散的特征进行one-hot编码

3. 构建饭店流量预测模型

4. 模型评价

通过结果可以看出，增强梯度（GBR）回归模型是所有模型中拟合效果最好的，表现在能解释63%的方差变化，并且各个误差项的值都是最低的。故使用增强梯度模型进行饭店的流量预测。