只有浏览和购买2种行为方式的用户购买意向预测代码

这是一个简单的购买意向预测代码示例，基于用户的浏览和购买行为。假设我们有一个用户行为数据集，其中包含以下字段：

- user_id：用户ID
- item_id：商品ID
- behavior_type：用户行为类型（浏览、收藏、加购物车、购买）
- time：时间戳

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 读取数据集
data = pd.read_csv('user_behavior.csv')

# 筛选出浏览和购买行为的用户
data = data[data['behavior_type'].isin(['pv', 'buy'])]

# 构建特征矩阵和目标变量
X = pd.get_dummies(data[['user_id', 'item_id', 'behavior_type']])
y = data['behavior_type'].apply(lambda x: 1 if x == 'buy' else 0)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 训练随机森林分类器
clf = RandomForestClassifier(n_estimators=100, random_state=0)
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('准确率：', accuracy)

这个代码示例使用了随机森林分类器作为预测模型，通过构建特征矩阵和目标变量来训练模型。特征矩阵包含用户ID、商品ID和行为类型的one-hot编码，目标变量是购买行为的二元分类（1表示购买，0表示浏览）。最后，使用测试集来评估模型的准确率。