【《长沙酒店定价影响因素的实证研究》12000字（论文）】

一、绪论 （一）研究背景及意义随着现在人们物质文化水平的提升和精神素养的增强,人们对于旅游和休闲娱乐产品的需求也在随之不断扩大。近年来我国旅游行业高速发展，伴随旅游行业中的各类旅游产业也在随之不断衍生和发展。由国家统计局发布的《中华人民共和国2020年国民经济和社会发展统计公报》显示，2020年我国人均可支配收入为32189元，较上年增长4.7%，其中在文化旅游方面，全年国内游客达28.8亿人次，旅游收入22286亿元。从2010-2019年我国国内旅游人次变动情况柱状图1来看,2010至2019年国内旅游人次呈现出一个持续的平稳上升;在2019年时我国旅游观光人次突破新高，第一次超过60亿人次，较2018年同比上升8.43%。图1：2010-2019全国国内旅游人次变化情况旅游行业的发展刺激着其最大产业之一的酒店行业的发展。从我国近五年的酒店行业数据报告可以了解到，2015-2019年我国酒店数量总体呈现出增长趋势，复合年均增长率为4%。在2019年时我国现有酒店的数量已超过88万家，同比增长2%，如图2。图2：2015-2019中国酒店数量统计基于我国旅游业的蓬勃发展，酒店行业的未来也将呈现出欣欣向荣的景象。对商户来说投资酒店行业是一个比较稳妥的选择，商户对酒店经营的目标是让自己的经营利润达到最大，而酒店价格是经营时使得利润最大化的直接手段。酒店价格在很大程度上代表了酒店的质量和形象也是酒店经营者参与市场活动的核心媒介，在划分市场方面起着关键作用，而在酒店供求关系中价格也是主导的影响因素。在郭毅（2008）[29]等所著的《市场营销学原理》中有对于企业成本结构的研究，发现定价比成本、销量等更容易提升收益率且如果在定价上做了1％的改变可以让营业毛利润平均提高8.6％。酒店定价影响因素的研究可以促使市场健康、有序地发展。因此对商户来说，在互联网旅游平台上提供自家酒店的信息，对酒店价格进行合理的定价不仅能够提高客房的预定量使自身利润最大化，还能很好地找到自己的定位在优胜劣汰的酒店市场中势如破竹。对消费者来说通过互联网旅行平台预订酒店可以通过公开的酒店信息来权衡该酒店是否符合自己的标准；酒店政策、酒店设施、环境设施等公开酒店信息还能提高消费者对于酒店的消费欲，提高了消费可行性；在了解到酒店价格影响因素后能对心仪酒店的估价有良好的心理预期；消费者根据酒店信息和酒店价格选择符合自己需求的酒店，能极大程度地增加消费者的消费满意度。本文通过分析市场上已有的长沙市酒店数据，选择酒店信息、酒店设施、酒店政策等特征进行相关性分析、数据可视化来帮助筛选特征和分析对酒店价格的影响，利用机器学习算法建立酒店价格模型并使用网格搜索寻找最优超参数模型，最后输出特征重要性表进行酒店价格影响因素的分析，进一步帮助商户对酒店进行合理的定价、消费者进行酒店的选择。（二）文献综述随着人们对旅游的需求增加，对酒店价格的研究也随之增多，但大多是从管理学和经济学的角度来分析影响酒店价格的因素。长沙市作为近年来兴起的网红旅游城市其酒店业的发展有着巨大的潜力，而目前对于长沙市酒店行业的研究极少。从目前已有的研究来看酒店价格研究主要可以分为两方面：一是对酒店价格影响因素的研究；二是对酒店价格模型的研究。下面将从这两个方面对国内外关于酒店价格的相关研究进行介绍。1、影响酒店价格的因素Tanford（2012）[1]等的研究表明酒店价格是消费者选择酒店时所考量的重要因素，也是限制消费者选择更高级酒店的最重要因素。洪伟廷（2009）[2]等采用分位数回归方法来调查酒店定价的主要决定因素，分析得到客房数量、酒店年龄、市场条件和每间客房的客房服务人员数量是酒店房价的主要属性并利用分位数回归分析低价格分位数下和高价类别中影响酒店因素情况。DanWang（2016）[3]等利用OLS回归和分位数回归法从25个具体变量中判断其对价格的影响是否显著，得出的结论为是否是超级房东、房东拥有房源数、提供早餐、提供即时预定服务、取消政策等24个变量显著影响价格。尚天成（2015）[4][5]等选取去哪网上北京CBD里的星级酒店作为数据样本，基于Hedonic价格模型研究得到酒店星级、位置、餐饮服务价格、设施、早餐、房间面积、上网收费、酒店总体评分对星级酒店价格有正向影响。杨红艳(2016）[6]对西安市高星级酒店数据进行相关系数和多线性回归研究，得到星级、环境卫生、客房面积、地理位置、设施设备对西安高级酒店价格影响最大的因素。Moro（2018）[7]等利用多层感知器集合建模对葡萄牙城市在线预订的模拟进行研究，发现社交媒体，在线预订，酒店特色，网络可见性和城市在价格中都起到了重要作用。赵广欣（2018）[8]在对酒店房间差别定价策略中探究发现会议团队、旅游团队、散客是重要影响因素。张志华（2017）[9]等学者认为酒店的线上评论数会显著负向影响价格。而Gutt（2019）[10]等的研究表明酒店线上评论数显著正向影响价格。对于酒店评价得分、房东确认时间和酒店是否有周边交通介绍等变量而言，也出现了与之相似的情况，所以即便为同一类型的因素对与不同的地区不同的酒店价格影响结果也不完全相同。2、酒店价格模型Rosen（1974）[11]对不同特征对价格的影响研究中提出了特征价格模型即各特征为因变量，价格为目标变量，相似的特征研究价格的差异。目前对酒店价格模型的研究主要为成本导向法、市场导向法、成本导向法和市场导向法结合的定价方法。成本导向法是一种基于酒店的造价成本的定价方法；市场导向法偏向于从市场的供求关系、价格变化等角度出发来对酒店进行定价。市场导向法下的各个模型中，经济学定价模型考虑了市场上的需求与供给的关系，顾客行为定价模型主要考虑了消费者行为与酒店价格的关系，但需要提前获取消费者的感受价值。而基于网络的定价方法考虑了酒店与互联网结合的市场下对酒店定价的影响，也是近年来的主要研究方法之一。储亚青（2020）[12]提出竞争导向法是研究互联网市场下以竞争者酒店价格为基准点研究酒店的实际情况与竞争对手价格的差异来确定酒店价格。考虑到难以获取长沙酒店市场供求和顾客感受价值等非公开数据，本文采用以竞争导向法为核心，使用机器学习算法来研究长沙市酒店价格模型。在机器学习中也有许多的方法对价格模型进行构建，杨沐晞（2012）[13]利用随机森林对二手车房价格进行评估，并将评估结果与多元线性回归预测相较，结论为随机森林的预测效果优于多元线性回归。于晓虹（2016）[14]等在进行P2P网贷信用风险评价时使用了随机森林的分类算法和回归算法建模预测，结果表明随机森林对于网贷风险的评估有着极高的准确性，同时也探讨了变量特征的重要性。甘蕾（2020）[15]通过阐述随机森林的原理,与其他机器学习算法进行对比分析,最终得出随机森林算法具有优势。结合本文的数据集类型和各模型的准确度采用了随机森林模型建立长沙市酒店价格模型，并用输出变量特征的重要性。（三）研究内容及框架本文研究内容主要分为数据的获取和预处理、可视化分析、利用随机森林模型对酒店价格影响因素的研究。数据的获取和预处理：本文采用八爪鱼爬虫器从携程网上爬取公开酒店数据并利用了特征工程对数据进行特征选择，然后对类别变量进行赋值，最后对数据进行标准化处理。可视化分析：本文使用python中库对特征变量进行数据可视化，包括绘制箱型图、直方图等。酒店价格模型：对数据集进行随机森林建模，并利用网格搜索进行调参寻找最优超参数，然后输出特征重要性得分来对特征变量进行结合实际分析。二、研究方法和数据介绍（一）模型介绍机器学习是通过计算机进行模拟人类行为和使生活方式和工作更加智能的有效方法。机器学习根据现有的数据或经验来选择合适的算法对模型进行构建，基于已知数据预测目标数据，并能通过总结已知的知识结构来改进自身的性能。机器学习一般可以划分为有监督学习,无监督学习和强化学习三个部分,其中监督学习包括实现分类任务、回归任务等。本文主要研究如何在有监督的情况下实现回归任务。Bagging算法又称为装袋算法，可以广泛应用于分类任务。其基本思想就是将训练数据通过重复采样的方式，生成多个采样集，每一个采样集中的样本都是通过在训练集中进行有放回的随机抽样得到的；然后对每个采样集进行训练获得对应的学习器后对每一个学习器分别进行预测。最后，用每一个学习器的预测结果作为最后的输出结果。Bagging算法原理图如图3。图3：Bagging算法原理图随机森林算法是机器学习中一种经典的Bagging算法，它以决策树为基础。即在原始数据集中有放回的随机抽样n个不同的样本数据集，然后搭建n个不同的决策树模型，最后利用搭建的决策树模型的投票（针对分类模型）或平均值（针对回归模型）情况来获取最终结果。为了保证模型的泛化能力或者说通用能力。随机森林在建立每棵树的时往会遵循两个基本原则。数据随机和特征选择的随机性。数据的随机性体现在从所有数据中有放回的抽取数据作为其中一颗决策树的数据进行训练模型。特征的随机性体现在选择划分节点时是首先随机的从所有特征中选择K个特征，从K个特征中选择最优节点进行分支。（二）数据获取和变量解释1.数据获取数据来源于携程网，在对携程网网页进行爬取数据时需要设置cookie防止反爬取机制。爬取的酒店信息包括：酒店价格、点评数、总体评价、推荐率、酒店设施、酒店政策等。使用八爪鱼爬虫采集器流程如下图4。图4：八爪鱼爬虫流程本文选取携程网上长沙7个行政区的酒店，爬取了3056条记录，选取价格作为目标变量，其他31个特征变量为酒店价格特征。2.变量解释由于本文在进行相关分析后所保留的特征变量多达26个，且对许多类别型变量进行了文本转数据使其转换为离散型变量，所以在此绘制了变量概况表如表1，来对爬取到的特征进行逐一介绍。表1：变量概况表一级指标二级指标指标数据类型解释酒店信息开业时间OpeningTime连续型开业时间为该酒店具体的开业年份，本文将该变量转换为长度单位，为2020减去该酒店开业年份的绝对值。装修时间DecorationTime连续型装修时间为该酒店具体的装修年份，本文将该变量转换为长度单位，为2020减去该酒店装修年份的绝对值。客房数Numberofrooms连续型客房数为该酒店的房间数。入住时间Checkintime离散型表示该酒店规定的入住时间，将该变量进行赋值，规定入住时间在14点前为0，14点后为1。退房时间check-outtime离散型表示该酒店规定的退房时间，将该变量进行赋值，规定退房时间在12点前为1，12点后为0。行政区域administrativedivision离散型行政区域为该酒店位置所属的行政区域；本文由于建模的需要在数据的预处理中对该变量进行了文本转数值，将芙蓉区赋值为1、天心区赋值为2、岳麓区赋值为3、开福区赋值为4、雨花区赋值为5、望城区赋值为6、长沙县赋值为7。价格Price连续型该变量为该酒店客房中的最低价格。市场竞争力点评数Comments连续型酒店点评数为用户入住后对该酒店入住体验进行点评的数量。总体评价Overallevaluation连续型总体评价是用户在入住后的点评界面对该酒店的总体打分，此数据集总体评价得分区间为[1.8,5]。推荐程度Recommendationlevel连续型推荐程度表示用户在入住后在进行点评时，选择愿意将该酒店推荐给他人的情况，其数据区间为[30,100]。酒店设施健身房gym离散型为该酒店是否有健身房，将该文本数据进行赋值，是为1，否为0。餐厅restaurant离散型为该酒店是否含有餐厅，将该文本数据进行赋值，是为1，否为0。会议厅Conferencehall离散型表示该酒店是否有会议厅，将该文本数据进行赋值，是为1，否为0。洗浴用品Bathproducts离散型表示该酒店是否提供洗浴用品，将该文本数据进行赋值，是为1，否为0。空调aircondition离散型表示该酒店客房是否有免费空调，将该文本数据进行赋值，是为1，否为0。酒店政策早餐breakfast离散型表示该酒店是否提供早餐，将该文本数据进行赋值，是为1，否为0。儿童及加床Childrenandextrabed离散型儿童及加床表示该酒店是否有可携带儿童和可加床这一政策，将该文本数据进行赋值，是为1，否为0。停车场Parkinglot离散型表示该酒店是否有停车场服务，将该文本数据进行赋值，是为1，否为0。接机服务Pickupservice离散型表示该酒店是否有接机服务，将该文本数据进行赋值，是为1，否为0。酒店周边火车站trainstation离散型为该酒店周围是否存在火车站，将该文本数据进行赋值，是为1，否为0。酒店特色精品酒店BoutiqueHotel离散型表示该酒店是否为精品酒店类型，并将该文本数据进行赋值，是为1，否为0。客栈INN离散型表示该酒店是否为客栈类型，并将该文本数据进行赋值，是为1，否为0。民宿B&B离散型表示该酒店是否为民宿类型，并将该文本数据进行赋值，是为1，否为0。酒店公寓HotelApartments离散型表示该酒店是否为酒店公寓类型，并将该文本数据进行赋值，是为1，否为0。青年旅社YouthHosted离散型表示该酒店是否为青年旅社类型，并将该文本数据进行赋值，是为1，否为0。特色住宿Specialaccommodation离散型表示该酒店是否为特色住宿类型，并将该文本数据进行赋值，是为1，否为0。（三）数据预处理（1）进行数据预处理的方法主要是文本转数据、缺失值和数据变换。本文的数据预处理主要为：1）文本转数据：对类别型特征进行文本转数据操作。本文中对行政区域、酒店公寓、青旅、特色住宿、健身房、火车站、、智能门锁、餐厅、精品酒店、商业圈、客栈、民宿、、洗浴用品、地铁站、酒店评价、儿童及加床、24小时服务、停车场、接机服务、会议厅、WIFI、空调、入住时间、退房时间等进行文本转数据。如对行政区域赋值：芙蓉区为1、天心区为2、岳麓区为3、开福区为4、雨花区为5、望城区为6、长沙县为7等。2）缺失值：删除价格存在缺失的样本和其他特征存在缺失严重的样本后剩余2091条，对2091条数据中部分缺失值进行手动查询携程网上数据后填补。3）对目标变量取对数处理：由于长沙酒店价格不等，目标变量Price的极差较大，所以对目标变量Price取对数处理。下图的price直方图可以看出Price取对数前如图5，取对数后如图6差距，取对数后的长沙酒店价格分布呈正态分布更明显。图5：price取对数前直方图图6：price取对数后直方图三、实证分析（一）描述性统计分析1、连续变量本文所爬取的携程网数据中含有连续型和离散型变量。绘制连续型变量描述性统计分析表如表2，可以更清楚的知道连续型变量的数据结构，也可以了解关于此数据的更多性质，比如均值,标准差等。表2：连续变量描述性统计分析表commentsOverallevaluationNumberofroomsRecommendationlevelOpeningtimeDecorationtimepricecount2109210921092109210921092109mean593.4024.43764.32193.8985.0412.976391.513std1122.6530.38271.7017.1404.8312.037276.626min51.8130003925%714.322932224750%2334.540964333875%6644.7819864473max17012592610067406478由表2可以知道携程网上长沙酒店的总体得分均值为4.437；长沙酒店平均房间数为64间；推荐程度均值为94；开业时长均值约为5年，装修时长均值约为3年；携程网上长沙酒店均价为391.531，酒店价格最低为39，酒店价格最高为6478，价格分布区间较大，中位数为338。（1）选取连续型变量price（价格）绘制小提琴图，如图7。图7：price小提琴图由图7的结果可知，酒店房间价格相对集中于100-500之间，此处的密度最大。（2）绘制连续变量间的相关矩阵热力图，如图8。图8：连续变量热力图由图8可以得到连续型变量间的相关关系，与目标变量Price的相关程度中开业时间、装修时间与价格的相关系数为负数且相对其他变量的相关系数较低分别为-0.03和-0.10。在本文中对开业时间和装修时间进行取长度处理，以2020年为基准，开业时间为开业年份减去2020的绝对值，装修时间同理。反映出开业时间和装修时间越长酒店价格越低；说明当酒店设施老化时，酒店竞争力变低，酒店价格也相对较低。房间数、推荐程度、总体评分与价格变量都具有较强的相关性，分别为0.35、0.25和0.24。（3）绘制房间数与酒店价格的散点图，如图9。图9：房间与酒店价格散点图由图9的结果可知，价格会随着房间数的增加而大体呈现上涨的趋势。（4）绘制总体评分与价格的折线图，如图10。图10：总体评分与价格折线图由图10可以看出总体评分在3.1~3.3分时价格最高，且随着总体评分的上升价格也逐步增加。（5）绘制推荐程度和价格的抖动散点图，如图11。图11：推荐程度与价格抖动散点图由于多个数据点具有完全相同的X和Y值，会相互隐藏，故设置抖动点，以便直观地看到数据情况。由图11可以看出价格随推荐程度的增加而上涨。2、离散型变量本文所选取的数据中不仅存在连续型变量，还有许多离散型的变量。（1）绘制价格与所属行政区的箱型图，如图12。图12：行政区域与价格箱型图由图12长沙市芙蓉区、天心区、开福区、岳麓区酒店价格中位数相比其他的略高，价格波动也相对较大。这几个区域的价格相对较高可能和区域的经济发展水平有关。据长沙市统计局的统计，长沙市行政区经济发展GDP排名靠前的行政区域为：芙蓉区、天心区、开福区、岳麓区。因此不同的行政区对酒店价格具有一定影响。（2）绘制停车场与价格的柱状图，如图13。图13：停车场与价格柱状图由图13可知有停车场的酒店价格明显高于无停车场的酒店。因为酒店修建停车场会增加土地成本、建造成本和管理成本，所以酒店是否有停车场会影响酒店价格。而不同酒店对停车场的收费标准不同也造成了酒店价格波动。（3）绘制餐厅，早餐与价格的分组着色箱线图，如图14。图14：餐厅、早餐与价格的分组着色箱线图由图14可知没有餐厅且提供早餐的酒店价格集中在500~1300之间总体高于有餐厅且提供早餐的酒店价格。原因是没有餐厅的酒店会进行上门服务提供早餐，酒店成本更高所以酒店价格更高。（二）相关分析1.对离散型变量进行相关分析本文选取的特征中存在24个离散型变量，其中有22个二分类类别变量，2个三分类以上变量。由于本文爬取了携程网上酒店页面的所有信息作为变量，过多且无法保证所有变量都有用，故对离散型变量进行相关分析。其中对二分类变量进行T检验如表3，对三分类以上变量进行单因素方差分析如表4。表3：独立样本T检验表均值方差T值P值显著性有WIFI的酒店价格391.91061961.874-0.1210.904不显著无WIFI的酒店价格387.966211239.674是酒店公寓类型的价格335.48634260.5552.5930.011显著不是酒店公寓类型的价格393.55077957.743是青旅类型的价格215.744117313.8623.4130.001显著不是青旅类型的价格395.17175072.387是特色住宿的价格485.864128403.553-5.1990.00显著不是特色住宿的价格375.31665890.229有健身房酒店价格572.61942877.877-8.0560.00显著无健身房酒店价格384.00076521.484周边有火车站酒店价格372.43132939.4342.3410.019显著周边无火车站酒店价格398.01591236.329有餐厅酒店价格574.102118326.525-9.9060.00显著无餐厅酒店价格363.21564132.897是精品酒店的价格456.88446578.957-2.5310.013显著不是精品酒店的价格389.30277408.327靠近商业圈402.74127910.461-0.4890.626不显著不靠近商业圈391.21877809.904是民宿的价格297.08977458.8243.8400.000显著不是民宿的价格394.08933624.883是客栈的价格483.10176853.999-3.5430.000显著不是客栈的价格386.52276059.725周边有地铁站酒店价格402.21050019.917-1.4780.140不显著周边无地铁站酒店价格385314592239.573可携带儿童和加床420.67870977.071-6.1350.000显著不可携带儿童和加床343.88882014.190入住时间14点前酒店价格397.19188692.602-2.2840.023显著入住时间14点后酒店价格371.60533433.679退房时间12点前酒店价格382.61994175.9652.4500.0144显著退房时间12点后酒店价格410.25634187.172提供早餐酒店价格814.044187309.998-6.6650.000显著不提供早餐酒店价格382.30170216.689有停车场酒店价格403.4362377.613-3.5860.000显著无停车场酒店价格316.79159266.656接机服务酒店价格568.577221285.788-5.6110.000显著无接机服务酒店价格374.08358987.664有会议厅579.260111603.424-13.1850.000显著无会议厅347.02657932.36724h服务酒店价格397.21560803.641-1.3850.166不显著无24h服务酒店价格374.222123996.315智能门锁酒店价格397.544252989.002-0.1710.866不显著无智能门锁酒店价格390.98161070.152提供洗浴用品酒店价格273.92747090.5396.1050.000显著不提供洗浴用品酒店价格398.85877466.772有空调酒店价格327.358138107.9174.1790.000显著无空调酒店价格407.27760200.998表4：单因素方差分析表均值方差F值P值显著性芙蓉区酒店价格400.78340189.2892.5610.018显著天心区酒店价格371.39068052.582岳麓区酒店价格380.96232046.041开福区酒店价格432.02556803.628雨花区酒店价格364.06957356.084望城区酒店价格448.18634056.572长沙县酒店价格308.750448690.324评价为一般的酒店价格239.20040189.2899.3530.297不显著评价为不错的酒店价格382.549150768.651评价为好的酒店价格352.46436954.425评价为很好的酒店价格387.27961139.474评价为棒的酒店价格450.82569704.145评价为很棒的酒店价格543.772294281.429评价为超棒的酒店价格520.842100392.839由独立样本T检验结果表3可以知道2分类离散变量中智能门锁、24h服务、地铁站、商业圈、WIFI不显著，故在建模中不予以考虑；从单因素方差表4可知不同行政区域的价格间有显著影响，而不同酒店评价间价格影响不显著，因此在建模分析中不纳入酒店评价这一变量。2.对连续变量进行相关分析绘制连续变量的相关系数矩阵，如表5。表5：连续变量相关系数矩阵连续变量相关系数矩阵commentsOverallevaluationNumberofroomsRecommendationlevelOpeningtimeDecorationtimepricecomments10.1820.4980.1850.1210.0270.169*Overallevaluation0.18310.1420.5782-0.239-0.3300.239*Numberofrooms0.4980.14210.13400.3190.1050.346*Recommendationlevel0.1850.5780.1341-0.154-0.2170.248*Openingtime0.121-0.2410.321-0.15410.429-0.027Decorationtime0.027-0.3300.105-0.2170.4291-0.101*price0.169*0.239*0.346*0.248*-0.027-0.101*1通过计算各连续变量与价格的相关系数可以知道开业时长和装修时长与价格呈负相关关系，其余连续变量与价格均呈正相关关系。点评数、总体评价、客房数、推荐程度、开业时长、装修时长都与价格存在一定的显著性，其中开业时长与价格的显著性较弱。所有连续型变量都与价格存在相关关系故保留。综上，从各特征与价格的描述统计分析和相关分析可以看出，特征与酒店价格之间存在某种联系，因此数据具有可挖掘的意义，可用于酒店价格模型的研究。下面利用数据集研究酒店价格模型。（三）随机森林建模分析本节基于前文的描述性分析和相关性分析可知点评数、总体评价、装修时间、开业时间、客房数、推荐程度、行政区域、酒店公寓、青旅、特色住宿、火车站、餐厅、精品酒店、客栈、民宿、儿童及加床、早餐、停车场、接机服务、健身房、空调、会议厅、洗浴用品、入住时间、退房时间都与价格有关，因而将以上变量作为特征变量、价格作为目标变量，基于预处理后的数据进行随机森林回归模型训练。1.K折交叉验证K折交叉验证是将数据集均等切分成k份,使用K-1个部分作为训练集进行训练，剩下的一份作为测试集来对模型进行测试，反复K次进行训练后将每次训练的结果得分取平均值的结果作为评价模型效果的指标。随机森林模型K折交叉得分如下：表6：K折得分均值表K值随机森林30.61240.59550.67060.57470.57180.59590.640100.636由表6得到K值取5时得分最高。2.参数调优使用网格搜索的方法对随机森林回归模型进行最优超参数搜索来建立最优模型。随机森林的参数择优包括了两部分：一是RF框架的参数择优；二是RF决策树的参数择优。（1）RF框架参数含义：1）n_estimators：进行有放回抽样生成的子数据集的数量，即最大的弱学习器个数，默认值是100。2）oob_score：是否使用袋外得分来对模型进行评估，默认值为False，在本文中使用了MSE来衡量模型，而袋外样本误差是测试数据集误差的无偏估计，所以设置True。RF框架的参数很少，框架参数择优一般是调节n_estimators值，即决策树个数。（2）RF决策树参数含义：1）max_features：随机森林建立模型时允许单个决策树使用的最大特征数目。默认是“auto。2）max_depth：回归决策树在建立子树时的最大深度。默认取None。3）min_samples_leaf：用于限制叶子节点最少的样本数。整数型表示个数，默认值是1。4）min_samples_split：内部节点进行分裂是所要学的最小样本数节点可分的最小样本数，默认值是2。考虑本文数据集的特点。本文中使用决定系数和均方误差来判断模型回归问题中的拟合程度，交叉验证的K值为5，其他参数均使用默认值。利用sklearn.model_selection库中的GridSeacherCV进行网格搜索寻找最优超参数，下表为本次随机森林建模中超参数描述如表7，对于表7外的其他参数除oob_score取True外都取默认值。表7：超参数描述表超参数备选值n_estimatorsList(range(10,150,10))max_depthList(range(10,20,1))min_samples_splitList(range(2,50,1))min_samples_leafList(range(1,20,1))max_featuresList(range(10,29,1))GridSeachCV搜索超参数最佳参数结果如下表8：表8：超参数搜索结果超参数n_estimatorsMax_depthMin_samples_splitMin_samples_leasMax_features最优值100103214即最优随机森林模型为：RandomForestRegressor（n_estimators=100,max_depth=10,min_samples_split=3,min_samples_leaf=2,max_features=14,oob_score=True,random_state=10)。输出最优参数模型的得分、均方误差、决定系数如下表9。表9：最优模型评价表Model_best_scoreMSE决定系数oob_score0.3770.3360.7010.322由表9可以得到测试集的均方误差为0.336，较低；决定系数R2=0.701,拟合效果较好。（四）特征重要性分析输出降序排列后的特种重要性得分前十特征，如表10。表10：特征重要性得分前十名表特征特征重要性4Numberofrooms0.24215Recommendationlevel0.10817breakfast0.10320Conferencehall0.0950comments0.0941Overallevaluation0.0813Decorationtime0.0452Openingtime0.0355administrativedivision0.03518Parkinglot0.034使用GridSeachCV搜索最优参数得到的最优随机森林输出的特征重要性表显示长沙市酒店的客房数特征重要性得分最高为0.242,酒店推荐程度的特征重要性得分为0.108，是否含有早餐的特征性得分为0.103。可见酒店的客房数、推荐程度、是否有早餐是影响酒店价格的重要因素前三。结合描述性分析得到这是因为酒店的房间数目越多，代表着该酒店的规模越大，所对应的星级可能会更高，酒店价格就会偏高；酒店推荐程度越高的酒店反映入住过该酒店的人对该酒店更满意，生意相对更加火爆，所以酒店的价格会更高，提供早餐的酒店所对应的运营成本就会越高，相应的酒店客房价格会更贵；而是否有会议厅、停车场等也与酒店的成本有关，酒店设施越齐全成本越高，酒店的价格也会相应增加；酒店所在行政区域也是影响酒店价格的因素之一，一些行政区域的建设更好或者地理位置更优，酒店会更具有竞争力，价格也会更高；酒店的装修时长和开业时长与酒店价格呈负相关，时长越短说明该酒店的设施越新，更具有竞争力；总体评价的得分越高显示顾客对该酒店的评价更好，该酒店也会更有优势。四、结论及展望（一）结论酒店价格研究不仅能使得商家利润最大化还能提升入住酒店顾客的消费体验感。因此本文利用机器学习中随机森林算法对长沙市酒店价格影响因素研究。下面给出本文的研究结论：第一，同用爬虫技术爬取携程网上长沙市酒店信息，包括酒店价格、酒店设施、酒店周边环境、酒店政策等信息。利用描述性分析了解到价格与酒店各特征之间存在相关关系，因此本文数据具有研究意义。第二，利用过滤式特征选择和相关分析筛选影响价格的特征，获取了25个特征变量和1个目标变量。主要特征变量为：行政区域、点评数、总体评价、推荐程度、开业时间、装修时间、客房数、火车站周边、民宿、客栈、青年旅舍、早餐、停车场、儿童及加床、洗浴用品、空调、会议室、接机服务、健身房、入住时间、退房时间等。第三，通过描述性分析可视化操作可以看出长沙价格极差较大，酒店客房最低价为39元，最高可到6478元；均价为391元，但主要分布于100-500元，符合作为新晋网红城市游客主体为经济条件较普通的年轻群体的住宿水平；客房数越多的酒店价格会更高，总体评分在3.1-3.3的酒店价格最高且总体评分越高酒店价格也会相对更高，价格也随推荐程度的上升而上涨，在长沙市7个行政区分布的酒店中，经济较发达景点较集中的行政区酒店价格会更高，而酒店是否有停车场，是否提供早餐等也会影响价格。第四，进一步把特征分为离散变量和连续变量进行与价格的相关分析得到离散变量中行政区域、酒店公寓、青旅、特色住宿、火车站、餐厅、精品酒店、客栈、民宿、儿童及加床、早餐、停车场、接机服务、健身房、空调、会议厅、洗浴用品、入住时间、退房时间与价格相关，连续变量中点评数、总体评价、装修时间、开业时间、客房数、推荐程度与价格存在相关关系，进而采用以上特征进一步进行建模分析。第五，采用随机森林回归模型进行建模分析，利用GridSeachCV（网格搜索法）搜索最优参数得到最优模型，并输出重要特征得分表，得出客房数、推荐程度及是否提供早餐等是影响酒店价格的重要因素前三名。（二）展望本文利用机器学习算法对长沙市酒店价格模型进行了研究，通过随机森林模型输出特征重要性表可知房间数、推荐度和是否提供早餐三个特征对酒店价格的影响明显。本文仍存在不足的地方，将从下面三个方面进行改进：本文的特征仅爬取了携程网上的的数据，没有考虑到其他酒店预订网站上的酒店数据，未来可以通过不同酒店预订网站的数据进行合并分析。第二，本文利用网格搜索的方法寻找最优超参数，还可以选择不同的方法寻找超参数，从而得到更优模型。第三，本文由于数据类型的限制，在建模中只采用了随机森林算法，未来还可以尝试使用更多不同的机器学习算法。参考文献SarahTanford.CarolaRaab.Yen-SoonKim.Determinantsofcustomerloyaltyandpurchasingbehaviorforfull-serviceandlimited-servicehotels[J].InternationalJournalofHospitalityManagement,2012,31(2).Wei-TingHung.Jui-KouShang.Fei-ChingWang.Pricingdeterminantsinthehotelindustry:Quantileregressionanalysis[J].InternationalJournalofHospitalityManagement,2009,29(3).DanWang.JuanL.Nicolau.PriceDeterminantsofSharingEconomyBasedAccommodationRental:AStudyofListingsfrom33CitiesonA[J].InternationalJournalofHospitalityManagement,2016.尚天成,吴雪,刘培红,尚恺悌.酒店客房价格影响因素研究进展[J].天津大学学报(社会科学版),2017,19(01):1-6.尚天成,张凯,刘培红,李欣欣,尚恺悌.中国星级酒店客房价格影响因素研究[J].天津大学学报(社会科学版),2015,17(04):301-305.杨红艳.西安市高星级酒店客房价格影响因素研究[J].旅游纵览(下半月）,2016(24):67+70.MoroRitaOliveira.FactorsInfluencingHotels’Onl