Modelación y predicción del gasto de turistas en España enfocado desde el análisis de datos

Abstract

[spa] Se crearon modelos predictivos para el gasto total de los turistas en España utilizando los datos de la encuesta EGATUR. Se utilizaron los algoritmos de Regresión Lineal (LR), Random Forest (RF), Máquina de vectores de soporte (SVM) y Aprendizaje Profundo (DL). Se buscó para cada algoritmo el conjunto de sus hiperparámetros óptimos. Se estimó la capacidad predictiva de cada método utilizando los métodos de validación cruzada y set de validación. Los algoritmos con mayor exactitud en sus predicciones son DL y SVM, siendo este último mucho más lento. Los residuos obtenidos para cada par de métodos correlacionan entre sí, por lo que no es posible obtener mejores predicciones promediando los modelos obtenidos. Se analizó la importancia de las variables, siendo el número de pernoctaciones la más importante seguido del país de origen.

[eng] Predictive models for the total expenditure of tourist in Spain were made by using the data of the EGATUR survey. The Linear Regression (LR), Random Forest (RF), Support Vector Machine (SVM) and Deep Learning (DL) algorithms were utilized. For each algorithm a search for the optimal hyperparameters was performed. The predictive capabilities of each method was assessed by means of the cross validation and validation set methodologies. The algorithms with best predictive capabilities were DL and SVM, being the latter a lot slower. The residuals for each pair of methods correlates, then averaging the models doesn´t yield better predictions. The importance of each variable was analyzed, being the number of nights to stay the most relevant followed by the country of origin of the tourist.