温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :) 

1. 项目简介

        航空公司致力于提供多样化的服务以满足乘客需求，包括但不限于提供免费无线网络、免费食物饮品、提供网上预约服务、飞机出口位置、座椅舒适度、卫生状况等，并希望以此提升乘客满意程度；此外，乘客满意度还受到乘客自身因素的影响。本系统利用数据挖掘、机器学习算法挖掘影响客户满意度的重要因素，最优模型的测试集预测准确率达到99.5%，同时构建可视化交互平台，方便对航空公司乘客满意度的在线评估预测，可给航空公司提供定制化策略，为每名乘客提供专属化服务，从而极大程度上提高乘客满意度。

        B站系统演示视频：基于数据挖掘的航空客户满意度分析预测系统_哔哩哔哩_bilibili

2. 读取数据与数据预处理

train_df = pd.read_csv("./train.csv")
test_df = pd.read_csv("./test.csv")train_df = train_df.drop(['Unnamed: 0', 'id'], axis=1)
test_df = test_df.drop(['Unnamed: 0', 'id'], axis=1)train_df.info()

可以看出：

• 对应于“到达延误分钟数”特征的列有310个缺失值。
• 前两个特征没有用处，不会影响分类，因此你应该去掉它们。
• 许多列包含类别值，但其类型是'object'或'int64'。让我们将这些类型替换为专为存储类别值设计的特殊类型。

3. 数据探索式可视化分析

3.1 客户满意度样本占比

fig = plt.figure(figsize=(6,6))wedges,texts=plt.pie(values,wedgeprops={"width": 0.4, 'edgecolor': '#000', 'linewidth': 3})kw = dict(arrowprops=dict(arrowstyle="-"), zorder=0, va="center")for i, p in enumerate(wedges):ang = (p.theta2 - p.theta1) / 1.8 + p.theta1y = np.sin(np.deg2rad(ang))x = np.cos(np.deg2rad(ang))horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]connectionstyle = "angle,angleA=0,angleB={}".format(ang)kw["arrowprops"].update({"connectionstyle": connectionstyle})plt.annotate(labels[i]+"\n"+str(percent[i])+"%",xy=(x, y),xytext=(1.35 * np.sign(x), 1.4 * y),horizontalalignment=horizontalalignment,fontsize=12,**kw)
plt.title("航空客户满意度情况占比", fontsize=16)
plt.show()

3.2 不同性别客户的满意度占比分布 

 

3.3 不同类型客户的满意度分析

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 6))sns.countplot(train_df, x="Customer Type", ax=axes[0])
axes[0].tick_params(axis='x', rotation=0)
axes[0].set_ylabel('客户类型')
axes[0].set_title('不同类型客户的样本数量分布', fontsize=16)customer_type.plot(kind='bar' , stacked=True, ax=axes[1], fontsize=12)
axes[1].tick_params(axis='x', rotation=0)
axes[1].set_ylabel('客户类型')
axes[1].set_title('不同类型客户的满意度分析', fontsize=16)plt.show()

3.4 不同年龄客户的满意度分布 

        可以看出，年级越大，满意的比率越大，越年轻，可能由于心气高，容易对航空公司的种种服务不满意，符合预期。

3.5 不同乘机目的满意度分析

3.6 不同航程距离对满意度影响

plt.figure(figsize=(10, 6))
sns.distplot(train_df[train_df['satisfaction'] == 'neutral or dissatisfied']['Flight Distance'], label='neutral or dissatisfied', bins=50)
sns.distplot(train_df[train_df['satisfaction'] == 'satisfied']['Flight Distance'], label='satisfied', bins=50)
plt.title('不同航程距离对满意度影响分布', fontsize=16)
plt.legend()
plt.show()

3.7 不同航班舱位、旅行类型和航程距离对满意度影响

sns.catplot(x="Flight Distance", y="Type of Travel", hue="satisfaction", col="Class", data=train_df, kind="bar", height=4.5, aspect=.8
)
plt.title('不同航班舱位、旅行类型和航程距离对满意度影响', fontsize=16)
plt.show()

        可以看出，对于商务舱类别的商务旅行，飞行距离越长，满意的乘客数量就越高。对于其他组合，满意和不满意乘客的分布几乎相等。

3.8 不同类型乘客的年龄的联合分布

f, ax = plt.subplots(1, 2, figsize = (15,5))
sns.boxplot(x = "Customer Type", y = "Age", palette = "YlOrBr", data = train_df, ax = ax[0])
ax[0].set_title('不同类型乘客的年龄分布箱线图', fontsize=16)sns.histplot(train_df, x = "Age", hue = "Customer Type", multiple = "stack", palette = "YlOrBr", edgecolor = ".3", linewidth = .5, ax = ax[1])
ax[1].set_title('不同类型乘客的年龄分布密度直方图', fontsize=16)
plt.show()

        可以看出：该航空公司的大多数老客户年龄在30到50岁之间（他们的平均年龄略高于40岁）。非固定客户的年龄范围稍小（平均为25至40岁，略低于30岁）。 

3.9 Wi-Fi服务、便利性、餐饮、座椅舒适度等维度与整体客户满意度的相关性

        

        可以看出，Online boarding、Inflight entertainment、Seat comfort、On-board service 等几个特征，与整体满意度相关性很高，表明客户比较在意在线登机、机上娱乐、座椅舒适度、机上服务。

3.10 飞行娱乐活动、飞行距离的相关性分析 

f, ax = plt.subplots(2, 2, figsize = (15,8))
sns.boxplot(x = "Inflight entertainment", y = "Flight Distance", palette = "YlOrBr", data = train_df, ax = ax[0, 0])
sns.histplot(train_df, x = "Flight Distance", hue = "Inflight entertainment", multiple = "stack", palette = "YlOrBr", edgecolor = ".3", linewidth = .5, ax = ax[0, 1])
sns.boxplot(x = "Leg room service", y = "Flight Distance", palette = "YlOrBr", data = train_df, ax = ax[1, 0])
sns.histplot(train_df, x = "Flight Distance", hue = "Leg room service", multiple = "stack", palette = "YlOrBr", edgecolor = ".3", linewidth = .5, ax = ax[1, 1])
plt.show()

        可以看出：飞机乘客旅行的距离越远（分别是飞行时间越长），他们对飞行中的娱乐和额外的腿部空间（平均而言）就越满意。

4. 特征工程与数据集切分

        数据集存在一定的缺失值，需要进行缺失值的填充，同时对于类别类型的特征需要进行类别编码，最后进行训练集、验证集和测试集的切分：

# 缺失值填充
train_df['Arrival Delay in Minutes'].fillna(train_df['Arrival Delay in Minutes'].median(axis = 0), inplace = True)# 类别编码
from sklearn.preprocessing import LabelEncoderencoder = LabelEncoder()category_features = ['Gender', 'Customer Type', 'Type of Travel', 'Class']for col in category_features:train_df[col] = encoder.fit_transform(train_df[col])# 数据集切分
y_train_all = train_df['satisfaction']
X_train_all = train_df.drop(columns=['satisfaction'])X_train, X_valid, y_train, y_valid = train_test_split(X_train_all, y_train_all, test_size=0.1, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X_train, y_train, test_size=0.1, random_state=42)print('train: {}, valid: {}, test: {}'.format(X_train.shape[0], X_valid.shape[0], X_test.shape[0]))

5. 基于机器学习算法的航空客户满意度建模 

5.1 多模型预测性能对比初探

        利用构建的数据集，对Ada Boost、Gradient Boosting、Logistic Regression、Support Vector Machine和XGBoost这5个模型进行初步试验：

dd = pd.DataFrame({"scores": scores}, index=names)
dd = dd.sort_values("scores", ascending=False)
dd["scores"] = round(dd["scores"], 2)fig, axes = plt.subplots(1,1,figsize=(12, 6))sns.barplot(x=dd.index, y=dd.iloc[:, 0], ax=axes)
for container in axes.containers:axes.bar_label(container)
axes.set_yticklabels(())
axes.set_xticklabels(axes.get_xticklabels(), rotation=0, fontsize=12)
axes.set_ylabel("AUC得分", fontsize=12)
axes.set_xlabel("模型", fontsize=12)
plt.title("多模型预测性能对比初探", fontsize=20)
plt.show()

        可以看出，XGBoost 模型的性能最好，预测AUC达到了 96.69%，下面针对  XGBoost 模型进行进一步的优化。

5.2 Xgboost 模型继续优化

        通过对 XGBoost 训练的各项参数进行优化：

df_columns = X_train.columns.values
print('===> feature count: {}'.format(len(df_columns)))xgb_params = {'eta': 0.1,'colsample_bytree': 0.4,'max_depth': 8,'lambda': 2.0,'eval_metric': 'auc','objective': 'binary:logistic','nthread': -1,'silent': 1,'booster': 'gbtree'
}dtrain = xgb.DMatrix(X_train, y_train, feature_names=df_columns)
dvalid = xgb.DMatrix(X_valid, y_valid, feature_names=df_columns)watchlist = [(dtrain, 'train'), (dvalid, 'valid')]model = xgb.train(dict(xgb_params),dtrain,evals=watchlist,verbose_eval=50,early_stopping_rounds=100,num_boost_round=4000)

[0]	train-auc:0.95911	valid-auc:0.95926
[50]	train-auc:0.99313	valid-auc:0.99157
[100]	train-auc:0.99624	valid-auc:0.99377
[150]	train-auc:0.99766	valid-auc:0.99459
[200]	train-auc:0.99836	valid-auc:0.99488
[250]	train-auc:0.99881	valid-auc:0.99507
[300]	train-auc:0.99915	valid-auc:0.99507
[350]	train-auc:0.99934	valid-auc:0.99512
[400]	train-auc:0.99950	valid-auc:0.99506
[450]	train-auc:0.99964	valid-auc:0.99511

特征重要程度分布

模型性能评估

# predict train
predict_train = model.predict(dtrain)
train_auc = evaluate_score(predict_train, y_train)# predict validate
predict_valid = model.predict(dvalid)
valid_auc = evaluate_score(predict_valid, y_valid)# predict test
dtest = xgb.DMatrix(X_test, feature_names=df_columns)
predict_test = model.predict(dtest)
test_auc = evaluate_score(predict_test, y_test)print('训练集 auc = {:.7f} , 验证集 auc = {:.7f} , 测试集 auc = {:.7f}\n'.format(train_auc, valid_auc, test_auc))

训练集 auc = 0.9996361 , 验证集 auc = 0.9951094 , 测试集 auc = 0.9954333

测试集预测 ROC 曲线

        可以看出，测试集的预测 AUC 提高到了 99.54%！

6. 航空客户满意度分析预测系统

        利用 Flask + Bootstrap 框架搭建响应式布局的交互分析 web 系统，提供标准化 rest api，提供航空客户满意度的在线分析预测功能。

6.1 系统首页

6.2 航空客户满意度在线检测

7. 总结

        本系统利用数据挖掘、机器学习算法挖掘影响客户满意度的重要因素，最优模型的测试集预测准确率达到 99.5%，同时构建可视化交互平台，方便对航空公司乘客满意度的在线评估预测，可给航空公司提供定制化策略，为每名乘客提供专属化服务，从而极大程度上提高乘客满意度。

欢迎大家点赞、收藏、关注、评论啦 ，由于篇幅有限，只展示了部分核心代码。技术交流、源码获取认准下方 CSDN 官方提供的学长 QQ 名片 :)

精彩专栏推荐订阅：

1. Python-数据挖掘实战案例

2. Python-深度学习实战案例

3. Python-管理系统实战案例