机器学习预测用户行为

问题遇到的现象和发生背景

训练用户行为，进行预测模型。这应该是一个分类任务，但是一共有2992个类
商品有2000种分类，可以分类两个大类单品与整体。每个商品标签为【0,486,316】 第二个标签有187种，第三个标签有16种。所以一共有2992种分类的商品，第一个标签表示单品还是整体，它是这两千种分类的大分类，意思就是这2992种商品要么是0，要么是1。举例说明：【0,327,316】,【0,328,316】,【1,456,318】

用户的行为日志与下载历史

用户的行为可以表示为对上面的商品进行循序浏览，比例【1,456,319】-【1,458,320】-【0,2525,321】，最后用户有一个下载历史 【1,2530,317】

问题

请问这样用什么样的模型进行训练，然后预测。数据应该怎么进行处理。

• 你可以参考下这篇文章：利用机器学习进行房价预测

这个属于二分类的问题，建议采用BP神经网络、支持向量机、感知机等都是可以做的

可以参考：数据预处理与模型训练技巧https://blog.csdn.net/qq_35054151/article/details/121989462

2992个类直接用分类是不合理的，可以参考yolo9000的wordtree设计（可以识别9000个类别的数据），大类里面套小类