用户的购买规律是由用户自身内因与外因的互相作用而产生。因此,其购买规律不仅具有某种特定的规律可循,并具有一定的复杂性和不确定性。凭借购物平台累积的大量用户实际购买数据发现用户的购买规律,并选择合理的预测方法解决用户购买预测的问题,对电商的个性化营销具有一定的指导意义。本文对用户购买预测进行了研究,具体工作总结如下:首先,根据所提供的实际用户购买数据,对已有数据集进行可视化分析处理,发现用户购买规律,进行特征构建并构建合理的用户购买预测实验数据集。其次,使用确定的实验数据集对用户购买预测模型进行研究,选取随机森林模型、GBDT模型和LightGBM模型,结合获取的实验数据集设计用户购买单项预测模型,根据对单项预测模型实例化结果的分析,确定了用户购买预测融合模型所使用的单模型;在模型训练中,针对不同特征对模型预测精度的影响,根据基于树模型方法的核心思想并结合LightGBM模型特性进行特征选取,得到了最终的实验数据集,并结合最终实验数据集进行单项预测模型实践,实验结果验证了特征选取后所构建的模型的预测精度优于特征选取前所构建的模型。最后,根据对单项模型预测结果的分析,选取GBDT模型与lightGBM模型进行模型融合得到最终用户购买预测模型,对融合模型中的单模型进行网格调参,结合最终实验数据集进行训练预测,实验结果表明GBDT-LightGBM融合模型预测精度优于各单项预测模型。