[发明专利]一种基于机器学习的邮轮游客需求预测方法

权利要求书

1.一种基于机器学习的邮轮游客需求预测方法，其特征在于，该方法包括：根据游客样本数据，采用机器学习k-近邻算法，预测目标人群潜在游客的旅途消费需求，进而为邮轮的方案设计提供数据支持；

具体按下述步骤进行：

步骤一：收集样本数据：设计调研表格，收集机器学习所需的样本数据，每条样本数据包括一位游客的游客特征，以及该游客在邮轮上的消费需求即游客消费需求；

步骤二：处理样本数据：对调研样本数据中的游客特征逐一进行归一化处理；

步骤三：使用算法进行预测：输入目标人群的特征数据，使用k-近邻算法，预测目标人群每一位游客的消费需求，进而进一步统计分析目标人群的消费需求，由此为邮轮的方案设计提供数据支持；

所述步骤一的具体操作方法如下：

(一)设计调研表格

(I)调研表格的游客特征，包括性别、年龄范围、学历、收入范围、同行人数、出行时长；游客特征的数量可扩充；

(II)调研表格的游客消费需求，包括航线、住舱类型、免费体验需求、收费体验需求、可接受消费额度；其中，免费体验需求按优先级选三项，收费体验需求按优先级选三项；游客消费需求的数量可扩充；

(二)填写调研表格，获取游客样本数据

通过邮轮运营公司或者发放调研问卷之类的途径，让游客填写调研表格，获取游客样本数据；

所述步骤二的具体操作方法如下：

对调研表格的游客样本数据中的m项游客特征逐一进行归一化处理，得到m个特征值；当m＝6时，这m个特征值为a₀,b₀,c₀,d₀,e₀,f₀；

所述步骤三的具体操作方法包括以下步骤：

(I)获取目标人群n位游客的游客特征数据；

(II)将目标人群的每个人即每一位游客的游客特征数据归一化；第1人的特征值以a₁,b₁,c₁,d₁,e₁,f₁表示；第2人的特征值以a₂,b₂,c₂,d₂,e₂,f₂表示；依次类推；第n人的特征值以a_n,b_n,c_n,d_n,e_n,f_n表示；

(III)航线需求预测

①选取目标人群中的第1人，计算样本数据集的每一条记录的m个特征值a₀,b₀,c₀,d₀,e₀,f₀与第1人的m个特征值a₁,b₁,c₁,d₁,e₁,f₁的距离d；

②按照距离d排序，搜索k个距离最近的样本的航线需求标签，预测第1人的航线需求，亦即，将距离最近的k个样本的航线需求标签作为第1人的航线需求标签；k为自然数，可调；

③按上述步骤①和步骤②的方法，遍历目标人群的剩余人员，第2人、第3人……第n人，预测他们每个人的航线需求；

亦即，预测第n人的航线需求的方法如下：

首先，选取目标人群中的第n人，计算样本数据集的每一条记录的6个特征值a₀,b₀,c₀,d₀,e₀,f₀与第n人的6个特征值a_n,b_n,c_n,d_n,e_n,f_n的距离d；

然后，按照距离d排序，搜索k个距离最近的样本的航线需求标签，预测第n个人的航线需求；k为自然数，可调；

④根据对目标人群的航线需求预测结果，进行统计分析，由此为邮轮的方案设计提供数据支持。