近年来,随着互联网技术的不断发展,网上购物变得越来越方便。琳琅满目的商品不断地推向用户,从众多商品中挑选出符合自己心意的商品变得越来越繁琐。同时,各电商平台之间竞争日益激烈,如何挖掘用户潜在购买意向,准确地为用户推送符合自身喜好的商品,最大程度提升用户的购买转化率,这对于平台运营者而言,变得越来越具有现实的指导意义。本文采用京东大数据平台提供的来自京东平台下已脱敏的真实数据,对用户的购买行为进行挖掘,预测用户在未来5日内会购买何种商品。对用户购买行为进行预测主要分为以下四个步骤:第一步是对异常数据进行处理。对原始数据进行缺失值填充、去除噪声数据和爬虫干扰数据,并对用户购买行为进行初步统计得出基本的用户购买行为分布情况。第二步是特征选取。通过对业务进行分析,对重要特征进行提取,构造合理的用户购买行为预测数据集。第三步是模型训练与评估。选取Light GBM、Cat Boost和XGBoost模型,结合训练数据集,对用户购买行为进行建模与分析,通过参数调优与模型评估,确定出XGBoost模型为预测效果最好的单预测模型。第四步是模型融合策略下预测模型的建模与评估。通过加权投票法和Stacking融合策略构造出四种组合预测模型,并同单一预测模型进行对比。通过模型评估与分析,发现组合模型的预测效果要优于单预测模型,同时,也确定了应用加权投票策略的组合模型为最终用户购买行为预测模型。