Prédire les réservations d'hôtel

Vous venez d'être embauché dans une entreprise de recherche en hôtellerie, et votre première tâche consiste à bâtir un modèle qui prédit si un séjour à l'hôtel inclura des enfants ou non. Pour entraîner votre modèle, vous utiliserez une version modifiée du jeu de données sur la demande de réservations d'hôtel d'Antonio, Almeida et Nunes (2019). Vous limitez vos données aux caractéristiques suivantes :

features <- c('hotel', 'adults', 
              'children', 'meal',
              'reserved_room_type', 
              'customer_type', 
              'arrival_date')

Les données ont été chargées pour vous sous le nom hotels, avec les divisions correspondantes test et train, et le modèle a été déclaré comme lr_model <- logistic_reg().

Vous évaluerez la performance du modèle avec l'exactitude et l'aire sous la courbe ROC (AUC).

Cette activité fait partie du cours

Ingénierie des caractéristiques en R

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

lr_recipe <- 
  recipe(children ~., data = train) %>%
# Generate "day of the week", "week" and "month" features

  step_date(arrival_date, features = c(___, ___, ___)) %>%

# Create dummy variables for all nominal predictors
  step_dummy(___)

Modifier et exécuter le code

Ingénierie des caractéristiques en R

SkillTag.level.intermediateSkillTag.label

4.8+

149 reviews

Vous conclurez le cours en étudiant des techniques d'ingénierie des caractéristiques et de Machine Learning. Vous commencerez par vous pencher sur les problèmes liés à l'utilisation de toutes les caractéristiques disponibles dans un modèle et sur l'importance de repérer les caractéristiques non pertinentes et redondantes, puis d'apprendre à les enlever à l'aide de méthodes intégrées comme le lasso et l'elastic net. Ensuite, vous explorerez des méthodes de rétrécissement comme le lasso, la crête (ridge) et l'elastic net, qui peuvent servir à régulariser les poids des caractéristiques ou à sélectionner des caractéristiques en mettant certains coefficients à zéro. Enfin, vous terminerez en créant un enchaînement complet d'ingénierie des caractéristiques et en passant en revue, puis en pratiquant, les concepts et fonctions vus précédemment dans un petit projet.

Exercise 1: Réduire les caractéristiques du modèle Exercise 2: Passer au crible l'importance des variables Exercise 3: Évaluer la performance du modèle avec tous les prédicteurs disponibles Exercise 4: Créer un modèle réduit Exercise 5: Méthodes de rétrécissement Exercise 6: Régularisation manuelle avec Lasso Exercise 7: Ajuster le paramètre penalty Exercise 8: Finaliser le modèle Exercise 9: Mettre le tout ensemble Exercise 10: Préparer et partitionner Exercise 11: Prétraitement Exercise 12: Modèle Exercise 13: Évaluer Exercise 14: Félicitations !