Resumen Ejecutivo: Predicción de Cancelaciones de Reservas

Objetivo

Desarrollar un modelo para predecir cancelaciones de reservas hoteleras y entender los factores clave que las influyen.

Metodología

1. Exploración y Limpieza de Datos

   • Eliminación de valores nulos y transformación de variables relevantes.

2. División de Datos

   • Separación en entrenamiento (70%), validación (15%) y prueba (15%).

3. Modelado

   • Regresión Logística para interpretar el impacto de variables clave.
   • Modelos de Machine Learning: LDA, SVM, Random Forest, XGBoost, Redes Neuronales, entre otros.

4. Resultados

   • Random Forest fue el mejor modelo con 85.23% de exactitud.
   • Lead time y previous cancellations son los principales predictores.

Conclusión

• Se puede anticipar cancelaciones con alta precisión.
• Recomendación: mejorar la especificidad del modelo y aplicar estrategias para reducir cancelaciones.