随着我国旅游业的迅速发展,旅游大数据分析备受人们关注。旅游大数据通常存在来源广、数据不完整、时间不稳定等问题,使数据分析有很大难度。酒店业是旅游业的一个重要组成部分,酒店入住率是衡量一个酒店运营情况的重要因素之一,运用机器学习方法对酒店入住率进行预测分析具有重要意义。首先,对旅游数据描述和预处理。分析旅游数据并给出数据来源和描述,阐述旅游数据的特点和规律,从时间维度和酒店维度将数据分类,初步选取可用数据。对此数据进行数据清洗、数据变换、数据归一化,并设计数据集融合算法融合数据集,以获得最优数据集。然后,提出基于旅游数据的酒店入住率双层预测分析模型。分别在时间维度、时间-酒店维度建模,第一层模型是基于时间的回归预测模型(以下简称“第一层模型”),是运用多项式回归方法分别对车流量、天气情况、风力、最高气温、最低气温、空气质量进行回归分析,得出其预测值,作为第二层模型的输入。第二层模型是基于时间和空间的酒店入住率双层预测分析模型(以下简称“第二层模型”),将第一层模型的预测值与固有数据集整合,对整合数据分别基于BP神经网络、KNN、随机森林算法建立酒店入住率BP神经网络分类模型、酒店入住率KNN分类模型、酒店入住率随机森林分类模型。最后,搭建实验环境,观察并分析实验结果。经过数据预处理得到最终数据集,实现基于时间的酒店领域回归预测模型,整合结果集,接着实现基于时间和空间的酒店入住率分类预测模型,然后用相应的误差参数对结果进行评价。实验证明提出的模型和方法是有效的。