基于机器学习的假期旅游套餐购买预测

预测客户是否会购买假期旅游套餐：5 种模型对比 + GridSearch 调参 + 熵权-TOPSIS 选模 + 阈值优化与 SMOTE 应对类别不平衡 + SHAP 找出驱动购买的关键因素，一条完整的精准营销预测流水线。

任务类型机器学习
专业方向计算机 · 人工智能 · 数据科学 · 经管/社科

数据与任务

样本量	4888 客户 · 19 维特征
核心方法	5 模型 + TOPSIS 选模
技术栈	scikit-learn · XGBoost · SHAP

如果你想找一个既贴近真实商业场景、又能把机器学习全流程做扎实的项目，这个「假期旅游套餐购买预测」很合适。

它做的事一句话就能讲清——预测一个客户会不会买旅游套餐，好让公司把营销资源砸在最可能转化的人身上。配套也给你备齐了，帮你真正搞懂它、在面试和答辩里讲明白：带中文注释、能读懂的代码，一份从背景一路讲到 SHAP 解读的技术说明文档，还有一整套能直接做 PPT 的配图。

flowchart LR A["客户画像 (年龄/收入/职位…)"] --> B["数据清洗 + 特征编码"] B --> C["5 模型对比 + 网格调参"] C --> D["熵权-TOPSIS 客观选模"] C --> E["SHAP 找购买驱动因素"] D --> F["买 / 不买"] E --> F

先说清楚，它到底在做什么

旅游公司每天给海量客户打营销电话，但真正愿意买套餐的只是少数。挨个打既贵又扰民，转化率还低。如果能提前算出"这个客户大概率会买"，就能把电销、优惠券这些资源精准投到高意向人群上——这就是精准营销要解决的事。

这个项目从 4888 条真实客户记录出发，每条带年龄、月收入、职位、跟进次数、推销满意度等 19 维特征。难点在于：真正下单的客户只占 18.8%，是一份典型的不平衡数据——如果不处理，模型很容易"全猜不买"也能拿到八成准确率，却一个潜在客户都抓不出来。项目搭了一条完整流水线：先清洗与编码特征，再对比 5 种模型并网格调参，用熵权-TOPSIS 客观选出综合最优模型，专门用阈值优化和 SMOTE 来对付类别不平衡，最后用 SHAP 找出到底是哪些因素在驱动客户购买。

类别特征与购买率关系 — 不同职位、婚姻状况、推销产品类型下的购买率差异——这就是营销该往哪儿使劲的第一手线索。

搞懂它，你能在面试里讲清楚什么

把下面几件事吃透，面试官顺着问下来你都能接得住。

为什么要对比 5 种模型，又怎么客观地选出最优的。 项目同时上了逻辑回归、随机森林、SVM、XGBoost、LightGBM，覆盖线性、核方法、集成树几大类。但模型一多就有个麻烦：A 模型准确率高、B 模型召回率高，到底选谁？项目用熵权法自动算指标权重 + TOPSIS 综合排名给出客观答案，而不是拍脑袋。你能借此讲清楚多指标决策的思路。

模型对比架构 — 照着这张图，能把"5 模型 → 调参 → 综合评估 → 选模"的整条对比流程讲明白。

类别不平衡到底怎么处理，这是这个项目最出彩的地方。 只占 18.8% 的购买客户才是真正要抓的人。项目对最优模型做了两手应对：一是把决策阈值从默认 0.5 降到 0.37，二是用 SMOTE 对训练集做过采样，再把"原始 / 阈值优化 / SMOTE"三种策略摆在一起对照。结果很有说服力——单是把阈值调下来，F1 就从 0.76 提到 0.84、召回率明显上抬。你能借此把"为什么 0.5 不一定最优""不平衡场景该看哪个指标"讲得很透。

不平衡处理三策略对比 — 原始 / 阈值优化 / SMOTE 三种策略的精确率-召回率-F1 对照，面试聊不平衡处理时这张图最能打。

SHAP 怎么把模型讲成业务能听懂的话。 预测出来还不够，公司想知道"为什么"。SHAP 能排出是否有护照、月收入、推销满意度这些特征各自怎么推动购买决策，把黑盒变成营销可以直接用的洞察。你能借此讲清楚模型的可解释性，以及它怎么落到业务上。

下面这组分析图也都给你做好了，可以直接放进答辩或面试 PPT：

更关键的是，每张图怎么跑出来的、该怎么解读，技术文档里都讲清楚了——你能说明白每张图到底说明了什么。

面试官会问的，都帮你备好了

随便感受几个这个项目真实会被追问的问题：

数据只有 18.8% 的正样本，为什么不能只看准确率？阈值优化和 SMOTE 各自解决了什么？

五个模型里 TOPSIS 是怎么把多个指标综合成一个排名的？熵权法的权重从哪来？

SHAP 值和特征重要性有什么区别？怎么用它给业务部门讲清楚"该重点营销谁"？

看到会愣一下？正常。配套的项目讲解资料把这个项目——从整体思路到每个流程细节、各种可能被追问的点——连参考答案都给你梳理好了。另外还有现成的简历描述，照着改就能写进简历；那套配图也能直接套进 PPT 模板，快速出一份面试 / 答辩 PPT。

配套资料：搞懂一个项目需要的，这里全都有

先看那份技术说明文档——从背景、数据探索、特征工程，一直讲到模型对比、不平衡处理与 SHAP 解读，图文并茂：

代码也给你了——关键部分都带着中文注释，帮你读懂"它到底是怎么实现的"：

还有混淆矩阵、TOPSIS 综合排名这些图也都齐了，配着技术文档一起看，每一步在做什么、结果怎么读，都说得明明白白：

技术文档、项目讲解资料、源码注释、整套配图——搞懂一个项目、并在面试里讲清楚它，需要的全都备齐了。

适合谁

不管你是赶毕设、想给简历添个有分量的项目，还是在准备面试，这个题目都接得住。专业上，计算机、人工智能、软件工程、数据科学、市场营销与商业分析方向都很合适。客户购买预测是机器学习落地最经典的商业场景之一，把这条从数据到决策、还专门啃下了类别不平衡的完整流水线真正搞懂、能讲出来，就是一个能写进简历、撑得起面试的项目。

想把这样的项目做成你简历上的亮点？

这是一套配齐了代码、文档、面试问答和配图的 AI+X 项目，可写进简历、在面试里讲清楚。想做同类项目、或获取「基于机器学习的假期旅游套餐购买预测」的完整资料（代码 / 数据处理流程 / 论文文档 / 配图），请联系为你介绍本页面的老师咨询，按你的情况定一个合适的项目。