ML Hotel Cancellation.
Modèle de prédiction des annulations avec une approche interprétable pour les décisions opérationnelles.
AUC 0.95
- Python
- CatBoost
- pandas
- scikit-learn
PROBLÈME
Les annulations tardives cassent la planification des équipes et des chambres : il faut savoir quelles réservations sont à risque, et pourquoi.
DONNÉES
Données historiques de réservation, réelles et bruitées : nettoyage, valeurs manquantes et préparation des variables avant toute modélisation.
APPROCHE
Plusieurs modèles supervisés entraînés et comparés, CatBoost retenu, avec analyse des variables explicatives pour pouvoir argumenter les résultats.
RÉSULTAT
AUC-ROC de 0,95, facteurs majeurs de risque identifiés et traduits en recommandations opérationnelles.
