在当今的社会背景下,科技发展迅速,人们的精神追求不断提高。智能手机、智能电脑、智能移动性可穿戴设备等逐步成为人们关注的对象。随着智能手机的普及,可穿戴智能设备已经成为制造商的宠儿,成为电子产品消费的新热点。特别是智能手环,不仅具有消息提醒、运动计步、心律检测、睡眠监测等功能,还拓展了GPS定位、支付宝离线支付、NFC地铁公交支付等多项功能,极大的增强了用户体验,吸引了广大消费者的兴趣。因此,在当今背景下,对智能手环行业发展和销量进行分析研究,具有非常重要的意义。近年来,机器学习算法与数据挖掘算法不断发展,在各个领域都得到了广泛的应用。不同于传统的线性回归模型,机器学习中的支持向量机、随机森林、XGBoost等算法,不需要对数据分布进行假定,而且具有良好的预测效果,因此具有良好的应用意义。由于本文研究的是智能手环销量预测,底层数据较复杂,需要进行特征工程,而且对预测准确度有一定的要求,故本文采用机器学习及数据挖掘方法进行建模。本文采用网络技术爬虫法,共爬取某电子商务网站3128条手环商品数据,包含价格、品牌、综合评分、功能用途、GPS定位等28个特征变量。首先,对数据进行预处理,并使用方差选择、Lasso算法、Boruta方法对变量进行综合筛选,将贡献率较低的特征因素进行剔除,最终筛选出21个特征用于建模预测;其次,从品牌、功能、用户画像三个方面,对智能手环进行描述性统计分析,了解消费者的情况及关注点;再次,使用支持向量机、随机森林、XGBoost三种算法对模型进行预测。为比较模型的预测效果,本文使用十折交叉验证的方法对模型效果进行对比,结果XGBoost算法的NMSE值最小,即预测效果最好;最后,对三种预测模型的误差进行分析,结果表明XGBoost算法在各个指标上的表现都是最优的,因此使用XGBoost算法建立智能手环的销量预测模型是值得推广的。