基于数据挖掘的航空公司乘客满意度分析.docxVIP

基于数据挖掘的航空公司乘客满意度分析 摘 要 　　从2012年提出大数据的概念至今，大数据从原来的默默无闻变成了当下的一个热门话题，备受各行业的关注。如何从大量的数据中得到有利用价值的信息也越来越受到各行业的关注，数据挖掘就是为了处理这样的情况而产生并发展壮大的。通过自身不断的完善和改进数据挖掘算法，让其能在更多行业中得到使用，比如本文所研究的某航空公司乘客满意度案例。现如今服务业的发展越来越庞大，各种竞争愈发的激烈，首要任务就是提高客户满意度，如此才能迫使航空航天服务行业得到持久稳定的发展。 　　本文前面半部分提到了数据挖掘中的一些比较基本的理论，之后通过这些理论算法来验证航空公司乘客满意度数据集这个例子。其第一步先是阐述了所使用的满意度数据集的来源，然后将该数据集的一些字段转换成所需要的因子类型，进而进行数据的探索性分析，再对探索性分析所得到的结果显示的某个属性列中的缺失值进行处理。最后通过逻辑回归和CART这两种算法分别建立模型，对比其评估指标的结果发现，CART算法构建的决策树在此数据集的各个指标更胜一筹。 　　对乘客满意度状况进行分析，是为了让航空公司能够更加熟知乘客的特点，促进彼此之间的交流,为了对其提供 相对应的服务更加便利,从而尽所能的满足乘客的要求，提高其满意度,并可依据效果研究出对应的营销方案。 关键词：数据挖掘 航空公司乘客满意度 Logistic回归 CART 1绪论 1.1研究背景及意义 　　现今大数据成为了无处不在的一个热门话题，行业中无不存在大数据，作为数据的产生者，自然也对数据相当重视。大数据的到来也对我们产生了前所未有的挑战，数据量十分庞大、数据结构十分复杂、数据的来源更是五花八门。以前老套处理数据的方式在面对这些海量且复杂的数据没办法解决，此时就需要利用一种新晋的分析办法来处理这些海量且复杂的数据，并发掘出这些数据中所潜在的信息，为决策者提供判断的依据，数据挖掘正是为了应对这种情况而发展起来的。 　　实践中所采用的数据挖掘方法包括关联规则、聚类、回归、分类等[1]。在使用其分析方法解决问题时，我们需要确定目标，以便能够提取有用的信息。其中，分类算法在实际生活中用途较全面，可作为各行业分析和决策的依据，常见的算法有Decision Tree（决策树）、KNN（K近邻）、LR（逻辑回归）等。 　　当今世界的发展迅速，以生产行业为导向的社会经济逐渐转变为以服务行业为到向的社会经济。服务行业的崛起，也带来了各方面的竞争压力，如何更好的良性竞争，尽所能的保留老客户，发掘新客户成为了服务业最值得关注的话题。 　　随着服务行业与社会的同步发展强大，它们要保持这种势头继续发展强大下去，就必须以满足客户的最大需求为前提。本文就是以某航空公司为例，分析其各个输入变量对输出变量乘客满意度的影响，从而使航空公司做出决策。怎样尽可能的满足乘客乘机的所有服务需求，提高乘客对此次飞行航班的整体满意度，既有现实生活中实在的意义，又是对航空公司长久发展的一个前所未有的挑战。 1.2研究语言及研究工具 1.2.1研究语言 　　在二十世纪九十年代初期，R语言被罗伯特和伊哈卡合力开发出来。R语言现今主要被用来探索数据之间的关系、数据的可视化以及分析统计[2]。它不仅仅是一种结构简单、易懂的解释性语言，更是一种提供给分析者们用来数据分析的操作环境。这是数据分析师生活中所在使用的语言，很多企业和科学研究机构对其都甚是喜爱。R语言的社区强大灵活，而且还在不断的改善，其代码结构简单易懂，最重要的是它完全开源、免费，这是相对于SPSS此类软件之外的最佳选择，除此之外，在R官方网站的综合档案网络中存有很多已经封装好的包，供我们数据分析时调用 [3]。 R语言的特点： 　　(1)包括了现实生活中应用的各种分析数据的办法，还具备数学上各种统计功能，同时还拥有十分丰富的软件资源。其在统计学和经济学等方面的应用也深受研究者们的欢迎。 (2)除了可以应用在最基本的Windows平台外，还能应用于MAC、Linux等多种操作平台[4]。 (3)解释操作快，输入命令后，在当下执行窗口可以马上看到相应的结果。 (4)扩展性好，自己写函数和包非常方便，可以用来处理有难度的数据分析。 (5)拥有可以绘制地图甚至更复杂的可视化能力。 (6)函数有帮助功能以及运行范例。 (7)开源并且免费，还有非常方便的函数优化和修改功能。 1.2.2研究工具 　　本文所使用的研究工具Rstudio是在R的基础上，为了让开发更加容易高效而研发出来的一款免费软件。在利用 Rstudio进行数据分析之前，需要先进行R的下载与安装，否则无法使用。它拥有许多非常简便的功能，例如环境界面、安装包管理界面和可视化界面等。其可视化界面是直接在软件当中展示出来，而不是像R自身还需要生成一个新