机器学习：基于逻辑回归对航空公司乘客满意度的因素分析

机器学习：基于逻辑回归对航空公司乘客满意度的因素分析

作者：i阿极

作者简介：数据分析领域优质创作者、多项比赛获奖者：博主个人首页

???如果觉得文章不错或能帮助到你学习，可以点赞?收藏?评论?+关注哦！???

???如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！?

大家好，我i阿极。喜欢本专栏的小伙伴，请多多支持

1、前言

航空公司乘客满意度是一个关键的指标，对于航空公司来说至关重要。了解乘客满意度的因素可以帮助航空公司优化服务，提升乘客体验，从而提高乘客忠诚度和口碑。

本文旨在基于逻辑回归方法对航空公司乘客满意度的因素进行分析。逻辑回归是一种广泛应用于分类问题的统计学习方法，能够帮助我们理解和预测不同因素对乘客满意度的影响程度。

在本文中，我们将收集与乘客满意度相关的数据，包括乘客的个人信息、航班信息、服务评价等方面。然后，我们将使用逻辑回归模型对这些数据进行建模和分析，以确定对乘客满意度具有显著影响的因素。

通过本文的研究，我们期望能够揭示出哪些因素对乘客满意度的影响最为显著，从而为航空公司制定改进策略和提供更优质的服务提供依据。

本文将首先介绍航空公司乘客满意度的研究背景和意义，然后详细阐述逻辑回归方法的原理和应用。接着，我们将描述数据收集和预处理的过程，并展示实证分析的结果和讨论。最后，我们将总结研究的主要发现，并提出对未来研究的展望。

通过对航空公司乘客满意度的因素进行逻辑回归分析，我们可以为航空公司提供有针对性的改进建议，提升乘客满意度，从而增强竞争力和业务增长。

2、数据说明

3、数据读取及预处理

对数据进行导入。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore')
# 设置字体为中文字体（例如SimHei、Arial Unicode MS等）
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
df = pd.read_csv(r"D:\Download\data.csv")
df.head()

使用isna().sum()对数据查看是否有缺失值

df.isna().sum()

发现ArrivalDelayInMinutes列有297个缺失值，本文将ArrivalDelayInMinutes列的平均值进行填充。

df['ArrivalDelayInMinutes'] = df['ArrivalDelayInMinutes'].fillna(round(df['ArrivalDelayInMinutes'].mean(),2))

使用duplicated().sum() 查看是否有重复值

df.duplicated().sum()  

使用shape查看数据大小，结果发现有97247行，24列

df.shape

4、客户满意度分布情况

为了展示乘客满意度的分类分布情况，将用绘制饼图来进行解释。

tmp = df['satisfaction'].value_counts()
fig = plt.figure(figsize=(6,6))
plt.pie(tmp.values, 
        labels=tmp.index, 
        autopct='%1.1f%%', 
        counterclock=False, 
        startangle=90,
        )
plt.show()

在航空公司满意度的统计中，仅有43.3%的乘客觉得满意，剩下的56.7%的乘客是中立态度或是不满意。

5、乘客其他情况

5.1 不同满意度的乘客中男女人数

通过使用plt.bar函数绘制了一个柱状图，用于展示不同满意度的乘客中男女人数的对比情况。

tmp = df.groupby(['satisfaction','Gender']).agg({'Class':'count'}).reset_index()
unit_topics = tmp['satisfaction'].unique()
As = tmp.query('Gender == "Female"')['Class'].tolist()
Bs = tmp.query('Gender == "Male"')['Class'].tolist()
plt.figure(figsize=(10, 8))
plt.bar(range(len(As)), As, color="#D6E3B7", label='Female')
plt.bar(range(len(Bs)), Bs, bottom = As, color="#95A96A", label='Male')
ax = plt.subplot()
ax.set_xticks(range(len(unit_topics)))
ax.set_xticklabels(unit_topics)
ax.set_ylabel("Number")
plt.legend()
plt.title('不同满意度的乘客中男女人数',fontSize=18)
plt.show()

在不同满意度的乘客中，性别似乎不是是否满意的关键点，两者的男女比例接近1:1。

5.2 不同满意度的乘客中客户类型的人数

通过使用plt.bar函数绘制了一个柱状图，用于展示不同满意度的乘客中客户类型的人数对比情况。

tmp = df.groupby(['satisfaction','CustomerType']).agg({'Class':'count'}).reset_index()
unit_topics = tmp['satisfaction'].unique()
As = tmp[tmp['CustomerType'] == 'Loyal Customer']['Class'].tolist()
Bs = tmp[tmp['CustomerType'] == 'disloyal Customer']['Class'].tolist()
plt.figure(figsize=(10, 8))
plt.bar(range(len(As)), As, color="#D6E3B7", label='Loyal Customer')
plt.bar(range(len(Bs)), Bs, bottom = As, color="#95A96A", label='Disloyal Customer')
ax = plt.subplot()
ax.set_xticks(range(len(unit_topics)))
ax.set_xticklabels(unit_topics)
ax.set_ylabel("Number")
plt.legend()
plt.title('不同满意度的乘客中客户类型的人数',fontSize=18)

在不同类型的客户中，不忠诚客户更多的是不满意航空公司的服务；在满意服务的人群中，忠诚客户的占比远大于不忠诚客户。

5.3 不同满意度的乘客中旅行类型的人数

使用plt.bar函数绘制了一个柱状图，展示了不同满意度的乘客中旅行类型的人数对比情况。

tmp = df.groupby(['satisfaction','TypeOfTravel']).agg({'Class':'count'}).reset_index()
unit_topics = tmp['satisfaction'].unique()
As = tmp[tmp['TypeOfTravel'] == 'Business travel']['Class'].tolist()
Bs = tmp[tmp['TypeOfTravel'] == 'Personal Travel']['Class'].tolist()
plt.figure(figsize=(10, 8))
plt.bar(range(len(As)), As, color="#D6E3B7", label='Business travel')
plt.bar(range(len(Bs)), Bs, bottom = As, color="#95A96A", label='Personal Travel')
ax = plt.subplot()
ax.set_xticks(range(len(unit_topics)))
ax.set_xticklabels(unit_topics)
ax.set_ylabel("Number")
plt.legend()
plt.title('不同满意度的乘客中旅行类型的人数',fontSize=18)
plt.show()

在中立或不满意的人群中，进行商务出行和私人出行的人群占比接近1:1；而满意的人群中，进行商务出行的人数更多。

6、相关性分析

为了计算DataFrame df 中各列之间的相关性，并通过热力图可视化了相关性矩阵。

df['DepartureDelayInMinutesLabel'] = pd.cut(df["DepartureDelayInMinutes"],[0,10,30,60,120,10000],\
                                                        labels=["<10min","10-30min","30-1h","1-2h",">2h"],right=False)
df['ArrivalDelayInMinutesLabel'] = pd.cut(df["ArrivalDelayInMinutes"],[0,10,30,60,120,10000],\
                                                        labels=["<10min","10-30min","30-1h","1-2h",">2h"],right=False)
df.drop(['DepartureDelayInMinutesLabel','ArrivalDelayInMinutesLabel'], axis=1, inplace=True)
## 独热编码处理
from sklearn.preprocessing import LabelEncoder, MinMaxScaler  
le = LabelEncoder()
for i in df.columns:
    if df[i].dtypes == 'O':
        df[i] = le.fit_transform(df[i])   
 
## 计算相关性
tmp = round(df.corr(),2)
labels = tmp.columns.tolist()  
plt.figure(figsize=(16,16))
plt.xticks(np.arange(len(labels)), labels=labels, 
                     rotation=90, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(labels)), labels=labels)
plt.imshow(tmp.values)
for i in range(len(labels)):
        for j in range(len(labels)):
            text = plt.text(j, i, tmp.values[i, j],ha="center", va="center", color="black")
plt.tight_layout()
plt.show()                                                 

7、建模预测

对数据集进行了划分，并使用逻辑回归模型进行建模和预测，并进行了模型评估。

## 划分数据集
X = df_model.iloc[:,:-1]
Y = df_model.iloc[:,-1:]
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=2023)
## 使用逻辑回归进行建模
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)
model
y_pre = model.predict(X_test)  ##预测
## 模型评估
from sklearn.metrics import accuracy_score, classification_report
accuracy_score(y_pre, y_test)  ##模型预测准确率

最后，通过打印输出 accuracy_score(y_pre, y_test)，显示模型的预测准确率。准确率为 0.8386118251928021，表示模型在测试集上的预测准确率约为 83.86%。准确率是评估分类模型性能的常用指标之一，它表示模型正确预测的样本比例。在这个案例中，逻辑回归模型对测试集的预测准确率达到了约 83.86%，这意味着模型能够正确预测测试集中约 83.86% 的样本。

?文章下方有交流学习区！一起学习进步！???
?首发CSDN博客，创作不易，如果觉得文章不错，可以点赞?收藏?评论?
?你的支持和鼓励是我创作的动力❗❗❗文章来源地址https://uudwc.com/A/WYLER