本项目对购买在线教育平台体验课的用户属性及浏览行为数据进行分析，通过机器对数据进行深度学习从而预测用户的购买行为并给出营销建议。

本项目首先对数据进行了预处理和分析，初步掌握了数据分布和概况，在初步尝试各类模型效果后决定采用以 XGBoost、RandomForest 为第一层分类器，Logistic Regression 为第二层分类器的融合模型，将各类数据联合处理后进行超参数调整与训练，最终准确率为 99%，f1 值为 85%，达到预期标准。

研究搭建了准确率超过 85％的销售预测模型，该模型有助于企业判别高质量的用户和渠道，优化营销成本。 (1)高效识别有效客户，并采用精细化的客户运营； (2)对自身软件设计进行反思，完善自身功能； (3)发现运营中的重点环节，针对性营销以降低成本提高利润率。

1. 数据总览：pandas_profiling
2. 为所有表添加 result项以便分析，result项补零

1. 表 user_info的城市数据缺失，需要填补
2. 表 user_info的 app_num为常量1，可以直接删除此列
3. 各表之间契合关系较好，除 city项外几乎无缺失数据

• 去空+sampling_strategy=0.05 ~0.72
  • 加载模型 - 去空全预测结果为0.71
  • 加载模型 - 不去空全预测结果为0.73
• 不去空+不调整倾斜数据~0.74
  • 加载模型 - 全预测结果均为0.74

随机森林准确率高，值得考虑

逻辑回归召回率高但准确率低，谨慎考虑

决策树两样均低，不应考虑

一分类效果奇差，且运行速度极慢

• 问题简述：

  • 在使用 pandas_profiling分析 visit_info数据时，出现 Fail to allocate bitmap错误
  • 在使用 pairplot制图时，出现 MemoryError: In RendererAgg: Out of memory错误

• 问题原因：内存耗尽

• 解决方案：

  • 方案1：关闭chrmoe、vscode等程序后使用cmd运行python文件，成功导出分析文件。
  • 方案2：不放回的抽取若干数据（1%）作为示例进行展示
  • 方案3（仅问题2）：每次循环添加 plt.cla()，以清除当前ax对象。

• 参考链接：ref