决策树模型-预测用户是否购买某母婴产品

news2024/12/24 2:35:06

1，场景描述

假设我们是京东的数据分析师，负责分析母婴产品的购买行为。我们想预测用户是否会购买一款新上线的母婴产品。为了进行预测，我们将利用用户的历史购买数据、浏览行为和其他特征，通过决策树模型进行分析，并提供相应的营销策略建议。

2，具体需求

模拟用户数据：包括用户年龄、是否有孩子、浏览母婴产品的频率、历史购买金额、是否参加过促销活动等。
构建决策树模型：根据这些数据训练决策树模型，预测用户是否会购买新产品。
模型评估与分析：对模型进行评估，并根据模型的结果提供建议。

3，具体代码

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report, confusion_matrix
import matplotlib.pyplot as plt
from sklearn import tree

# 模拟用户数据
np.random.seed(42)
num_samples = 1000
data = {
    'age': np.random.randint(18, 45, num_samples),
    'has_kids': np.random.choice([0, 1], num_samples),
    'browse_frequency': np.random.randint(1, 30, num_samples),  # 浏览母婴产品频率（次/月）
    'purchase_history_amount': np.random.uniform(100, 5000, num_samples),  # 历史购买金额
    'participated_promotion': np.random.choice([0, 1], num_samples),  # 是否参加过促销活动
    'bought_new_product': np.random.choice([0, 1], num_samples, p=[0.7, 0.3])  # 是否购买新产品
}
df = pd.DataFrame(data)

# 切割自变量和因变量
X = df.drop('bought_new_product', axis=1)
y = df['bought_new_product']

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练决策树模型
clf = DecisionTreeClassifier(max_depth=4, random_state=42)
clf.fit(X_train, y_train)

# 预测
y_pred = clf.predict(X_test)

# 评估模型
print("分类报告:")
print(classification_report(y_test, y_pred))

print("混淆矩阵:")
print(confusion_matrix(y_test, y_pred))

# 绘制决策树
plt.figure(figsize=(20,10))
tree.plot_tree(clf, feature_names=X.columns, class_names=['Not Bought', 'Bought'], filled=True)
plt.show()

# 模型结果分析与建议
def analyze_feature_importance(model, feature_names):
    importance = model.feature_importances_
    feature_importance = pd.DataFrame({'feature': feature_names, 'importance': importance})
    return feature_importance.sort_values(by='importance', ascending=False)

feature_importance = analyze_feature_importance(clf, X.columns)
print("特征重要性:")
print(feature_importance)

# 建议
print("建议:")
print("1. 根据特征重要性分析，历史购买金额和浏览母婴产品的频率对新产品购买行为有较大影响，应重点关注这些高频浏览和高消费的用户。")
print("2. 对于没有孩子但有较高浏览频率的用户，可以推送相关的促销活动，增加购买可能性。")
print("3. 针对参加过促销活动但未购买新产品的用户，分析促销活动的效果，优化活动策略。")
print("4. 通过数据分析识别出高潜力用户，重点进行精准营销，提高新产品的销售量。")