随着互联网的快速发展与普及,网购者规模迅速扩大,电子商务迅猛发展,这也导致各大电商竞争愈演愈烈。近几年电商会进行大促活动,如双十一,六一八等发放优惠券以吸引新的消费者,但是此类活动效果有限,没有带来长期回报,因为很多消费者只是一次性消费者。为了取得更高的回报,商家们需要研究出哪类消费者才是值得为之付出的重复购买者。因此,研究消费者的复购行为有很强的应用价值。本文根据天猫2017年“双十一”用户行为记录数据对网站的复购行为进行了探究。数据包括11.11当天一些商户的新客户在活动日及之前6个月内的信息,首先本文从业务角度通过分析影响重复购买的因素设计特征工程提取特征,并使用了三种模型进行建模以及对应的模型融合,其算法在实验中性能表现不错。本文的工作主要包含以下几个方面:（1）数据处理。通过数据简介、数据探索、数据预处理,更好地了解数据集的字段含义及其与标签是否复购的关系。（2）设计特征工程。通过分析影响重复购买行为的因素,提取出用户特征、商家特征、用户与商家的交互特征这三个角度的特征;在升维之后进行了特征选择。（3）研究单一模型与融合模型在特征工程上的运用。分别使用XGB、LGB、catboost进行建模,最后几个模型结合在一起,组合模型能互补各个模型的优势获得更好的预测结果。