基于机器学习的多元线性回归算法的旅行预算预测

李 根
北京经纬信息技术有限公司

摘要

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。

关键词

机器学习；多元线性回归算法；旅行预算

参考

[1]宋静,张利益.基于机器学习的线性回归预测数据库空间使用情况的应用研究[J].电子测试,2020(15):58-59+62.

[2]张家棋,杜金.基于XGBoost与多种机器学习方法的房价预测模型[J].现代信息科技,2020,4(10):15-18.

[3]高航.基于机器学习的纯电动汽车的行驶里程预测研究[D].北京交通大学,2018.

[4]史翔宇.基于机器学习回归算法的地震预测研究及其在中国地震科学实验场的应用[D].中国地震局地震预测研究所,2022.