随着计算机硬件和软件水平的发展,利用计算机提高人们生活水平是一个广泛存在的需求。利用机器学习和数据挖掘技术从用户日常行为信息中得到用户行为习惯,以此控制日常家用电器的工作具有重大现实意义。电灯是日常生活中最常使用的家用电器之一。酒店中拥有大量的电灯,在不损害顾客体验的前提下减少电灯的使用可以节约大量的能源。酒店中经常需要更换床上用品和洗漱用品,如果能够根据顾客入住时长合理安排更换时间可以节约洗涤次数和一次性用品的消耗。本文对顾客行为信息的数据分析方法进行了研究,以顾客合适灯光亮度预测和顾客入住时长预测为例,设计并实现了基于顾客行为信息的房间资源管理应用系统。主要工作如下:1.顾客在进入酒店房间时,通常需要调节室内灯光亮度。随着一天内时间的变化,对顾客最合适的灯光亮度也会相应改变。可以通过顾客行为习惯,提前预测对顾客最合适的电灯光照强度并自动完成亮度调节。本文通过特征工程和Gradient Boosting Decision Tree方法实现了顾客合适灯光亮度预测方法。在真实数据集上的实验结果表明本文方法具有较高准确率,并能节约大量电能。2.酒店顾客入住期间,需要更换床上用品和洗漱用品。当一位顾客长时间入住时,减少更换频率可以在避免损害用户体验的前提下达到环境保护的目的。可以通过顾客行为习惯,预测顾客是否会长时间入住。本文使用特征工程和随机森林的方法实现了顾客入住时长的预测方法。在真实数据集上的实验结果表明本文方法具有较高准确率。3.预测酒店顾客入住时长需要收集顾客的部分隐私数据,当顾客不允许收集行为时,无法获得顾客真实入住时长,监督机器学习方法无法应用。本文提出了一个面向隐私保护的顾客入住时长预测方法。在真实数据集上的实验结果表明该方法具有较高准确率。4.基于以上研究,本文设计并实现了一个基于顾客行为信息的房间资源管理应用系统,提供了收集用户行为数据、预测顾客合适灯光亮度和顾客入住时长的预测等功能。