任务：依据电子商务平平台上真实的用户行为记录，利用机器学习相关技术，建立稳健的电商用户购买行为预测模型，预测用户下一个可能会购买的商品。

数据简介

数据整理自一家中等化妆品在线商店公布的网上公开数据集，为该化妆品商店真实的用户交易信息，数据集中每一行表示一个事件，所有的事件都与商品和用户相关，并且用户的点击行为之间是有时间顺序的。数据集中包含了商品和用户的多个属性，例如商品编号、商品类别、用户编号、事件时间等。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

数据说明

主要思路

对用户id进行分组

统计类别、品牌、收藏、加购物车、下单等特征，赋予合理的权重

构建时间特征

使用lgb的多分类模型进行训练

主要代码：

注意：此版本代码lgb版本是2.0.3

import gc

import pandas as pd

from sklearn.preprocessing import LabelEncoder

paths = r'E:\项目文件\CCF\电商用户购买行为预测'

data = pd.read_csv(f'{paths}/train.csv')

submit_example = pd.read_csv(f'{paths}/submit_example.csv')

test = pd.read_csv(f'{paths}/test.csv')

data['user_