本研究基于多元线性回归算法，利用实时数据集分析本地旅行社的旅行预算，考虑人数、距离和旅行时长等因素。通过考虑天数、目的地城市和旅行者数量等因素，确定计划旅行的最准确预算。本项目采用多种模型，基于食品、交通和住宿费用预测预算。这种方法在处理大数据集时同样高效。此外，该项目可以作为Trip Advisor、Make My Trip、Goibibo、Airbnb、Agoda等现有平台的附加功能。利用在线资源如TripAdvisor、MakeMyTrip、Goibibo、Airbnb、Agoda等规划旅行和旅游已成为常态。这些网站提供包括预订旅行、住宿、休闲活动和旅游在内的多种服务。然而，这些平台没有一个提供丰富的旅行预算计算功能。本研究利用了包括直接调查学生、邻居、家庭成员和当地旅行社在内的多种实时数据源。接下来，通过数据清洗、特征工程和异常值处理等方法精心准备数据集。在数据准备完成后，设计者将使用多元线性回归技术构建机器学习模型。为项目提供一个前端界面也将有所帮助。本研究使用的监督学习算法是线性回归。这里使用了单变量和多变量算法。