摘要：在大数据时代的今天，用户在电子商务平台上的每一次浏览，每一次购买都能被记录在企业数据库中。庞大的数据量促使平台分析用户的行为习惯成为可能。论文的实验数据来自于天池竞赛平台提供的数据集，通过对用户的行为习惯进而预测消费者是否产生购买行为。

论文首先对关于消费者购买行为预测的资料进行整理，并由浅入深的学习了基于机器学习的消费者购买预测的基本方式。之后对使用的数据集进行数据探索，通过数据可视化初步了解数据间存在的关系。然后对数据集进行特征提取，产出衍生特征，对后续模型训练的效果有着一定的作用。接着对逻辑回归、随机森林和XGBoost三种模型进行训练，通过AUC值的评估分析，发现XGBoost模型是效果最好的。

关键词：电子商务 购买预测

目录

摘要

Abstract

1引言-1

2文献综述-2

3实验准备-4

3.1数据探索-4

3.1.1数据来源-4

3.1.2数据描述-4

3.1.3初步可视化数据-5

3.2数据清洗-7

3.3特征提取-9

4理论概述-10

4.1逻辑回归-10

4.2随机森林-10

4.3 XGBoost-11

4.4模型评估指标-11

5预测模型的评估-12

5.1逻辑回归预测效果-12

5.2随机森林预测效果-12

5.3 XGboost模型预测效果-12

6总结与展望-14

6.1总结-14

6.2展望-15

参考文献-16

致谢-17