PREDIKCIJA CENA AVIONSKIH LETOVA UPOTREBOM ALGORITAMA MAŠINSKOG UČENJA
DOI:
https://doi.org/10.24867/31BE15TopalovicKljučne reči:
cena avionskog leta, mašinsko učenje, Random Forest, Decision Tree, XGBoostApstrakt
U ovom radu se istražuje problem predikcije cena letova. Predikcija cena avionskih letova predstavlјa izazov kako za putnike, koji žele da plaćaju objektivnu cenu, tako i za avio-kompanije, koje nastoje da optimizuju prihode. Tradicionalne metode predikcije često ne uzimaju u obzir varijabilne faktore poput sezonskih oscilacija, potražnje i dostupnosti sedišta, što rezultuje neadekvatnim cenama. Stoga je razvijanje modela zasnovanog na mašinskom učenju važno kako bi se postigla veća transparentnost i efikasnost tržišta avionskih karata. Metodologija rada uklјučuje upotrebu sledećih algoritama mašinskog učenja: Random Forest, Decision Tree i XGBoost. Za evaluaciju modela su korišćeni trening i test skup podataka u odnosu 8:2. Evaluacijom performansi, pomoću RMSE (Root Mean Squared Error) metrike, Random Forest se pokazao kao najbolјi model za predikciju cena avionskih karata.
Reference
[1] Tziridis, K., Kalampokas, T., Papakostas, G. A., & Diamantaras, K. I. (2017, August). Airfare prices prediction using machine learning techniques. In 2017 25th European Signal Processing Conference (EUSIPCO) (pp. 1036-1039). IEEE.
[2] Wang, T., Pouyanfar, S., Tian, H., Tao, Y., Alonso, M., Luis, S., & Chen, S. C. (2019, July). A framework for airfare price prediction: a machine learning approach. In 2019 IEEE 20th international conference on information reuse and integration for data science (IRI) (pp. 200-207). IEEE.
[3] https://www.kaggle.com/datasets/nikhilmittal/flightfare-prediction-mh (pristupljeno u martu 2024.)
