استخدمت Python، Pandas، NumPy، Scikit-learn، Matplotlib، Seaborn لاستكشاف وتنظيف مجموعة بيانات شاملة لحجوزات الفنادق، بهدف تحديد العوامل الرئيسية المؤثرة في إلغاء الضيوف للحجوزات.
قمت بإجراء تحليل استكشافي للبيانات (EDA) للكشف عن الاتجاهات المتعلقة بفترة الحجز المسبق، وأنواع الودائع، وفئات العملاء.
أنشأت ميزات جديدة لالتقاط أنماط سلوك معقدة، مثل حساب إجمالي مدة الإقامة وتصنيف أوقات الحجز المسبق لتعزيز القدرة التنبؤية للنموذج.
طبقت تحليل المكونات الرئيسية (PCA) لتقليل أبعاد مجموعة البيانات مع الحفاظ على أكبر قدر من التباين، مما ساعد على تحسين كفاءة الحسابات للنمذجة لاحقًا.
قمت بتصور أنماط الحجز ومعدلات الإلغاء عبر أنواع الفنادق المختلفة (فندق مدينة مقابل فندق منتجع).
استخلصت رؤى هامة لمساعدة إدارة الفنادق على تقليل خسائر الإيرادات من خلال التنبؤ بالحجوزات عالية المخاطر.