近年来,智能手机凭借其强大的功能,占据了手机市场的绝大多数份额。作为智能手机的主要组成部分,智能手机应用(APP)也展现出了蓬勃的发展态势。为了能在激烈的市场竞争中脱颖而出,APP开发者要时刻关注用户的喜好变化,尽可能满足用户的需求,为用户提供最便捷的服务。随着数据存储技术的发展,庞大的APP用户群体产生出的海量行为数据得以存储下来,通过对这些数据进行深入的分析和挖掘,能够获取到用户的的行为习惯特征,并提前预知用户的某些行为。对用户行为的预测可以为APP的开发和运营提供决策支持,从而为用户提供更个性化的服务。对于APP开发者而言,用户的流失和付费是他们最为关心的两个行为特征,因此,基于上述背景,本文利用某APP的真实用户数据,对APP用户的流失和付费行为预测算法进行了研究,主要内容如下:1.APP用户原始数据预处理。本文首先针对数据集中存在的数据异常、重复等问题进行了相应处理。然后,从处理后的数据集中提取出了能反映用户行为习惯的关键统计数据,以及用户行为的动态变化特征,为每个用户构建了用户画像。同时,本文也对用户的行为特点进行了总体的分析,明确了后续用户行为预测的重点。2.基于生存模型的用户流失行为预测。本文利用生存分析的方法,预测了用户的生存函数,能够有效地解决APP用户数据集的删失性问题,并且能够得到用户在整个生命周期中的流失概率。通过取中位生存时间作为用户的生命周期时间的估计,达到了预测用户什么时候会流失的目的。3.基于模型融合的用户付费行为预测。本文采用基于模型融合的方法,预测了用户在未来会不会发生付费行为,并与单模型的预测效果进行了比较,结果显示融合后的模型比单模型取得了更好的效果。