[发明专利]一种基于机器学习的邮轮游客需求预测方法

说明书

本发明公开了一种基于机器学习的邮轮游客需求预测方法。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和游客消费需求；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；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。该方法能够为邮轮的方案设计提供客观真实、强大有力的数据支持。

技术领域

本发明涉及一种邮轮游客需求预测方法，尤其涉及一种基于机器学习的邮轮游客需求预测方法。

背景技术

邮轮旅游是一种新型的高端海洋旅游产品。随着中国游客对邮轮旅游理解、认知和需求的不断提升，中国邮轮旅游市场将快速增长，为未来邮轮产业的发展带来重要契机，市场人士普遍预期中国将成为全球最大的邮轮市场。我国至今尚无自主设计、建造邮轮的经历和业绩，国内的船舶制造企业尚未见根据中国市场特点与游客偏好进行需求预测和设计制造的船型，国内的邮轮船队也尚无根据中国市场特点与游客偏好进行需求预测和设计运营的运营船只，因此，有必要根据中国市场特点与游客偏好进行邮轮方案的设计。

而在邮轮方案设计的过程中，数据支持是最重要的，如何对邮轮游客需求进行预测，进而为邮轮方案设计提供客观真实、强大有力的数据支持是当前面临的最大问题。如果不对邮轮游客需求进行预测，或者，对邮轮游客需求的预测不准，很有可能导致邮轮设计方案的失败以及邮轮运营结果的失败，最终造成巨大的亏损。因此，有必要采用一种科学的预测方法对邮轮游客需求进行预测，以此为邮轮的方案设计提供客观真实、强大有力的数据支持。

发明内容

本发明的目的在于，克服现有技术的不足，提供一种基于机器学习的邮轮游客需求预测方法，该预测方法能够为邮轮的方案设计提供客观真实、强大有力的数据支持。

本发明的构思如下：

k-近邻算法是一种采用测量不同特征值之间的距离方法进行分类的算法，具有精度高、对异常值不敏感、无数据输入假定的优点，适用于根据数值型和标称型数据进行分类。k-近邻算法的工作原理是：存在一个样本数据集合，我们掌握样本集合中的每一数据与所属分类的对应关系，在输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据(最近邻)的分类标签，作为新数据的分类。

鉴于国内船舶制造企业和国内邮轮船队需要根据中国市场特点与游客偏好进行邮轮方案设计，而在设计邮轮方案的过程中，需要采用科学的预测方法对邮轮游客需求进行预测，才能为邮轮的方案设计提供客观真实、强大有力的数据支持，因此，可以考虑采用k-近邻算法对邮轮游客需求进行预测。

本发明的目的是通过以下技术方案实现的：

一种基于机器学习的邮轮游客需求预测方法，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；具体方法按下述步骤进行：

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。

进一步地，上述步骤一的具体操作方法如下：

(一)设计调研表格