機票價格預測模型

【作品介紹】

本專題是透過爬蟲技術蒐集「易遊網」上的機票資料，並結合資料分析與機器學習模型，來預測未來某個出發日期的票價區間，試圖解決一個許多人的疑問：「到底什麼時候買機票才會比較划算？」

起初也只是抱著一種好奇的心態出發，機器學習模型是否真的能夠在「給足夠資料」的前提下，預測出每天不斷變動的機票價格。沒想到在實作過程中，隨著一個個問題的解決與模型成績的逐步改善，我的心態也產生了轉變，這不再只是一次單純的嘗試，而是一個真正可能有機會幫助人作出更聰明決策的機器學習模型。

本次專題，從資料爬蟲、清洗到建模，每一步都有遇到不同的問題。
● 資料抓取與網站限制：由於「易遊網」的網頁架構是以 JavaScript 動態渲染為主，因此無法透過 requests 等傳統方式直接取得資料。
最終我改採 Selenium 搭配瀏覽器模擬操作來進行資料爬取。
然而，這也帶來一個新問題：網站資料載入速度不一，若過早存取會抓不到價格資訊。
為了解決這點，我加入了適當的 sleep 時間與等待條件判斷，確保頁面完全載入後再進行資料擷取，才能順利取得完整且正確的票價資訊。
● 資料整合與預處理：由於機票價格的波動，即使是同一航班，不同的查詢日也可能呈現出不同的價格。
為了分析這種變化趨勢，我必須將每天爬取的資料整合起來，並將同一班機在不同搜尋日的價格資料提取分隔出來，才能進行後續分析，
例如價格趨勢圖或何時買的推估。這個過程中也遇到極端價格，
因此花了時間進行資料標準化與異常值過濾，確保模型能建立在相對穩定且有意義的數據基礎上。
● 模型表現不佳：在建模初期，我先嘗試使用課程所學的線性回歸模型，但由於票價本身呈現非線性，R² 值始終無法突破 0.3，
預測效果可說是不理想。之後我轉向使用樹狀模型，並搭配數據對數轉換、航班特徵強化，
最終成功提升模型表現，R² 值可達實用水準，預測誤差大幅降低。

【心得分享】

我其實並非來自資訊或數據相關的背景，甚至可以說與這個領域毫不相關。作為一位「跨領域的業餘學習者」，
會選擇 Python 與機器學習課程，也完全是出於對新知的興趣，
加上我覺得資料科學與人工智慧已逐漸成為未來社會的重要趨勢，因此想提早了解它的本質。
有趣的是，雖然課程中涉及對我來說新的理論與實作內容，但我並沒有因此感到壓力，
反而是對每一個新的概念、技術充滿了好奇與驚喜。透過這門課，我不僅學會了如何閱讀程式碼與理解模型邏輯，
也讓我感受到，即使起點不同，只要願意投入時間與思考，每個人都可以踏入這個領域，找到屬於自己的切入點與價值。