基于机器学习的酒店数据分析及流失预测系统
项目简介
本系统是一个面向酒店行业的客户数据分析与流失预测平台，基于 Antonio et al. (2019) 公开的酒店预订需求数据集，采用 Flask + SQLite + ECharts + scikit-learn 技术栈，实现数据可视化分析、机器学习流失预测、模型管理等功能，帮助酒店管理者识别流失风险客户并制定针对性挽留策略。
功能模块
| 模块 | 功能说明 |
|---|---|
| 用户认证 | 用户登录、注册、角色权限管理（管理员/普通用户） |
| 数据概览 | 核心KPI仪表盘（总预订量、取消率、流失率、平均ADR）、月度预订与流失趋势折线图、酒店类型分布环形图、Top10客源国柱状图、市场细分占比环形图 |
| 数据分析 | 城市酒店与度假酒店对比、膳食类型分布、客户类型分析、提前预订天数分布、ADR价格区间分布、市场细分取消率、市场细分详细数据表格 |
| 流失分析 | 押金类型与流失率、流失关键因素分析、提前预订天数与流失率关系、ADR区间与流失率关系、客户类型流失对比、流失因素统计表 |
| 流失预测 | 单条客户流失预测（输入预订信息，输出流失概率与风险等级）、批量预测验证（最近50条数据验证）、预测历史记录 |
| 模型管理 | 支持随机森林/梯度提升/逻辑回归三种算法训练、混淆矩阵热力图、ROC曲线、特征重要性Top10排名、训练历史记录 |
| 数据管理 | 多条件筛选查询（酒店类型/流失状态/取消状态/关键词）、分页浏览、CSV数据导出 |
| 报表中心 | 综合数据报表、流失分析报表、模型评估报表（支持打印） |
| 用户管理 | 管理员专属页面，用户列表查看与删除 |
数据来源
| 数据集 | 文件 | 记录数 | 说明 |
|---|---|---|---|
| Hotel Booking Demand | hotels.csv |
~119,390 条 | 来源于 Antonio, Almeida and Nunes (2019)，包含城市酒店和度假酒店的预订数据 |
数据集下载地址：TidyTuesday - Hotel Booking Demand
流失定义
客户流失标签（churn_label）定义规则：
- 流失（1）：预订取消（is_canceled = 1），或非回头客且有历史取消记录
- 未流失（0）：不符合上述条件的客户
标准版目录结构
python-hotel-booking-fenxi-liushi/
├── app.py # Flask 应用主入口，路由定义与API接口
├── config.py # 应用配置（数据库路径、密钥、分页参数）
├── database.py # SQLite 数据库连接管理、建表、数据导入
├── init_system.py # 系统初始化脚本（建库、导入数据、训练模型）
├── requirements.txt # Python 依赖包清单
├── data/
│ └── hotels.csv # 酒店预订数据集
├── database/
│ └── hotel.db # SQLite 数据库文件（自动生成）
├── ml/
│ ├── __init__.py
│ ├── preprocess.py # 数据预处理（特征工程、编码）
│ ├── train.py # 模型训练（随机森林/梯度提升/逻辑回归）
│ └── predict.py # 预测服务（单条预测、批量预测）
├── models/
│ ├── churn_model.pkl # 训练好的模型文件（自动生成）
│ ├── model_metrics.json # 模型评估指标（自动生成）
│ └── feature_importance.json # 特征重要性（自动生成）
├── services/
│ ├── __init__.py
│ ├── auth_service.py # 认证服务（登录、注册、用户管理）
│ └── analysis_service.py # 数据分析服务（统计、检索、导出）
├── static/
│ ├── css/
│ │ └── custom.css # 自定义样式
│ └── js/
│ ├── common.js # 全局工具函数与ECharts封装
│ ├── dashboard.js # 数据概览页图表
│ ├── analysis.js # 数据分析页图表
│ ├── churn_analysis.js # 流失分析页图表
│ ├── model.js # 模型管理页图表
│ ├── predict.js # 流失预测页交互
│ ├── data.js # 数据管理页交互
│ └── reports.js # 报表中心页交互
├── templates/
│ ├── base.html # 基础模板（导航栏、CDN引用）
│ ├── login.html # 登录页
│ ├── register.html # 注册页
│ ├── dashboard.html # 数据概览页
│ ├── analysis.html # 数据分析页
│ ├── churn_analysis.html # 流失分析页
│ ├── predict.html # 流失预测页
│ ├── model.html # 模型管理页
│ ├── data.html # 数据管理页
│ ├── reports.html # 报表中心页
│ └── admin/
│ └── users.html # 用户管理页
├── 运行步骤必看/
│ └── window.md # Windows 运行步骤说明
├── mac_run.sh # macOS/Linux 一键启动脚本
├── window_run.bat # Windows 一键启动脚本
├── 训练手册.md # 模型训练手册
├── 项目说明.md # 本文档
└── README.md # 项目简介技术栈
| 类别 | 技术 |
|---|---|
| 后端 | Python 3.12 + Flask 3.0 |
| 数据库 | SQLite 3 |
| 前端 | HTML5 + Bootstrap 5.3 + ECharts 5.5 |
| 机器学习 | scikit-learn 1.5（随机森林 / 梯度提升 / 逻辑回归） |
| 数据处理 | pandas 2.2 + numpy 1.26 |
| 模型持久化 | joblib 1.4 |
| 密码安全 | SHA-256 哈希 |
环境要求
| 项目 | 要求 |
|---|---|
| Python | 3.12 |
| 操作系统 | Windows / macOS / Linux |
| 内存 | 建议 2GB 以上（模型训练时使用） |
| 磁盘 | 约 300MB（含依赖和数据库） |
| 浏览器 | Chrome / Firefox / Safari / Edge 现代版本 |
账号信息
| 角色 | 用户名 | 密码 |
|---|---|---|
| 管理员 | admin | admin123 |
| 普通用户 | analyst | analyst123 |
管理员拥有用户管理页面访问权限，可删除普通用户。新注册用户默认为普通用户角色。
模型评估
系统默认使用随机森林分类器，典型指标：
- 准确率 (Accuracy): ~87%
- F1 分数: ~80%
- AUC: ~93%
实际指标取决于数据集导入和训练结果。