天猫的用户重复购买预测项目，数据量不小，维度也挺多，适合想深入用户行为建模的你玩一把。原始数据来自双十一和之前 6 个月的用户日志，要干的事也清楚——预测未来 6 个月的复购情况。

用户行为的数据挺全面，像点击、加购、收藏、成交这些全都有。你可以先做特征工程，从用户和商家之间的交互里挖点有用的信息出来，比如活跃天数、访问频率啥的，还能加个时间窗口看看周期性。

训练模型方面用的也是比较主流的分类模型，像逻辑回归、随机森林、XGBoost这些都可以试一试，看哪个效果好。嗯，建议你也别太依赖默认参数，调参之后提升还挺。

整个流程下来，像是一个小型的推荐系统入门练手项目。数据预、特征提取、建模预测一套流程走下来，对实际电商项目挺有的。响应也快，代码也简单，跑起来基本没什么坑。

如果你对用户行为预测感兴趣，或者打算做点偏业务的机器学习项目，那这个资源可以直接上手。顺便附上几个相关文章：

哦对了，模型预测出来的概率别直接当“是否复购”的标签，记得根据业务设定一个阈值，比如0.5或者更高，控制下假阳率。