张小妹 梁佩

摘 要：本文爬取了大众点评网2017 年6 月份的上海周边游景点评论数据，筛选出四个变量，运用R及其它统计软件对其进行分析，分别采用"最长距离法"、"类平均法"、"重心法"、"Ward法"对总分、环境评分、服务评分三个变量进行聚类分析，分析结果与该景点星级进行比较，探究聚类后的数据与星级之间分类有无一致性。最后利用决策树进行分类，得到景点星级，总分评分，服务评分的分类，分析了游客最关注的景点指标，得到景点的旅游建议和改进措施。

关键词：上海景点评论、聚类分析；决策树

一、模型建立与分析

本文选取了上海周边游数据集中的score、enrironment、service这三个变量，其中的缺失值用样本均值代替，首先利用欧式距离生成三个变量的距离函数，然后用最长距离法，类平均法，重心法和Ward法分别绘出绘出谱系图和聚类情况，对四种方法进行对比，选择一种输出它的分类结果，最后利用决策树建立了一个关于上海周边游景点的游客选择模型。

二、聚类分析

通过上面四幅图发现，最长距离法和Ward法聚类产生的分类比较均匀，分别输出他们的分类情况如下：

最长距离法的分类情况：

group

1 2 3 4

157 537 52 4

Ward法的分类情况：

group

1 2 3 4

59 180 170 341

在实际数据中，上海五星级景点数为79个，准五星景点数为114个，四星级景点数为239个，准四星级景點数为318个，通过对比发现用Ward法分类产生的聚类与我们的实际数据更相符，因此选用Ward法分类输出具体的分类情况。

第1类星级

> max（第1类星级）

[1] 5

> min（第1类星级）

[1] 3.5

结果显示，第一类含有59个景点，他们的星级为3.5-5；……