手机作为目前人们使用最多的电子设备,一方面既承担着网络购物的终端作用,另一方面,本身也是消费人群最多的商品之一,现在社会几乎是人手一部。目前来看,手机还同时有逐渐取代传统钱包以及银行卡的趋势。每年都有大量的各式各样的手机通过线上渠道或者实体店被销售出去,然而不同的手机商品销量却是大不相同,这其中影响手机销量的因素有哪些呢?这是销售手机的商家十分关注的问题,也正是本文要研究的问题。本文首先简单介绍了网络爬虫,利用网络爬虫从某大型电商网站爬取所有在架销售手机的详细信息,包括各种参数配置信息以及销量,评论数等等,其次对数据进行清洗,提取各种字段用于后续建模分析。通过特征信息度以及Spearman相关系数对影响手机销量水平的因素进行了相关分析。为了预测一款特定手机商品的销量水平情况,根据数据的特点,文中分别利用决策树算法,Bagging算法,随机森林算法三种机器学习方法进行建模分析,并利用交叉验证以及网格搜索选取随机森林模型最优的超参数。最后对各种算法的结果进行比较发现,基于决策树的集成算法随机森林算法要优于其它两种算法。当选取合适的超参数后,随机森林算法的结果明显好于使用其默认参数的结果,并且当变量减少时,随机森林算法依然能够保持较高的精度和AUC值。