随着我国旅游行业的高速发展,酒店行业的发展前景十分乐观。对于很多投资酒店行业的投资者来说,酒店定价是使得自己利润最大化的重要手段,合理的定价策略也会给商家带来竞争力。同时在线酒店信息公开透明,制定合理的定价策略,也给消费者带来更大满意度。因此,酒店定价的研究具有广泛应用意义。酒店定价的研究主要集中于酒店价格影响因素和酒店定价策略,酒店定价方法主要从成本导向、市场导向以及两者结合导向法进行的。成本导向法忽略了市场对定价的影响;两者结合的方法模型中,非公开数据难以获取;市场导向法中的各个定价模型都考虑了市场供求关系对酒店定价的影响,其中基于网络定价的方式考虑到互联网+酒店的营销模式的定价方法。因此本文采用基于网络定价方法中的以竞争为中心的方法对武汉市酒店定价模型进行研究,主要内容有:本文利用爬虫技术获取了 8968条武汉市酒店样本和52个特征变量,包括酒店价格和酒店设施、交通环境、酒店政策等特征变量。首先,对原始数据进行了数据预处理和特征选择,并对预处理后的数据进行描述分析,得到特征与价格之间具有研究的意义。其次,利用特征选择后的数据集分别学习了 LASSO回归模型、K近邻回归模型、随机森林回归模型、XGBOOST模型,并利用交叉验证和网格搜索方法寻找模型最优参数,建立最优单一模型。然后,利用改进的Stacking算法XGBOOST-CStacking模型集成最优单一模型,选取XGBOOST模型重要特征的86%作为模型的训练特征,次学习器分别为K近邻、随机森林和XGBOOST建立改进的Stacking模型,得到模型测试集均方误差分别为:0.0067、0.0052、0.0056。因此最优XGBOOST-CStacking模型的次学习器为随机森林。最后,利用测试集均方误差MSE对五个模型进行比较。从建立的模型均方误差中可以看出改进的Stacking模型应用在武汉市酒店定价策略上效果最好,其预测的均方误差最小,为0.0052。