旅游酒店作为旅游资源配置中不可或缺的成分,在旅游资源管理工程中扮演着愈来愈重要的角色。选址是旅游酒店经营的第一步,它受旅游酒店所处的地理位置、交通便利性、房租成本以及客流大小等多方面因素的影响,同时对旅游酒店运营成效起着至关重要的作用。传统旅游酒店选址主要是基于定性的经验判断,这样的方式缺乏一定科学依据,很难真正为决策者提供借鉴参考。互联网和人工智能技术的发展,使得集成多源数据服务于选址及规划成为可能。因此本文基于多源数据,运用设施选址与规划理论,采用机器学习中的相关方法及目标规划模型对旅游酒店选址及星级规划问题进行探讨。本文主要做了如下工作:第一,基于设施规划选址理论,结合前人对服务业选址研究,构建旅游酒店选址影响因素指标体系;第二,利用Python网络爬虫技术分别在携程网、同程旅行网、链家网、百度地图服务网站上获取景点与旅游酒店相关数据、二手房房价数据、经纬度数据等,并对数据进行预处理;第三,利用信息增益、递归特征消除法对影响因素指标进行特征选择并做相关分析,从而识别出主要影响特征;第四,选取支持向量机、朴素贝叶斯、决策树、K近邻、对数几率回归五类模型对数据进行训练和预测,通过比较分析,选择出效果较优的模型——对数几率回归模型;第五,基于对数几率回归模型,采用三折交叉预测方法,得到可能的选址区域,并对其结果进行可视化及倒“U”函数分析;第六,依据相关准则筛选出备选址地点,分别从顾客距离最小化和市场竞争关系两个视角构建目标规划模型,利用蒙特卡洛、遗传算法进行求解,得出最终的旅游酒店选址地点及星级方案。