假设我们想根据他过去的购买历史来预测客户下次访问电子商店时会购买什么。我知道这是一个非常广泛的问题，但我是机器学习的新手，对如何解决这个问题不太了解。
我想到的最简单的事情就是找到客户最常购买的商品并提出建议。但是，我不认为这是一种非常强大的方法，因为它没有考虑这种情况：
Computer (1st Purchase) -> Mouse (2nd Purchase) -> Mouse Pad (3rd Purchase)
我正在寻找一个简单的模型来开始并在特征和训练数据方面进行扩展。我很想听听经验丰富的数据科学家的建议，因为这是一个最常见的问题。
谢谢你。
看看关联规则学习 ( https://en.wikipedia.org/wiki/Association_rule_learning )。一个非常常见的算法是 Apriori 算法。您可以使用包 apyori，它的效果很好：https ://pypi.python.org/pypi/apyori/1.1.1
您可以尝试衡量用户迄今为止购买的产品与其他用户购买的产品的相似性（基于用户的推荐），或者您可以尝试在用户购买的商品和其他商品之间执行关联规则（基于商品的推荐）。您还可以执行一些聚类技术来查找一组相似的项目或用户。
另一种方法可能如下，如果您有用户购买的信息，那么您可以尝试预测用户的下一次购买。这种方法可以是马尔可夫模型。在马尔可夫模型中，最近的状态是基于固定数量的先前状态来预测的，这个固定数量的先前状态称为马尔可夫模型的阶数。在您的情况下，每个州可能是不同的购买。