18. 购买过商品1和商品2但是没有购买商品3的顾客

题目需求

从订单明细表(order_detail)中查询出所有购买过商品1和商品2,但是没有购买过商品3的用户。

期望结果如下:

user_id
103
105

需要用到的表:

订单信息表:order_info

order_id (订单id)user_id (用户id)create_date (下单日期)total_amount (订单金额)
11012021-09-3029000.00
101032020-10-0228000.00

订单明细表:order_detail

order_detail_id(订单明细id)order_id(订单id)sku_id(商品id)create_date(下单日期)price(商品单价)sku_num(商品件数)
1112021-09-302000.002
2132021-09-305000.005
221042020-10-026000.001
实现一
-- 2) 筛选出 购买过商品1和商品2、但是没有购买过商品3的用户
select user_id
from (
         -- 1) 统计用户购买的所有商品
         select t1.user_id             as user_id,
                collect_set(t2.sku_id) as sku_ids
         from order_info as t1
                  left join order_detail as t2
                            on t1.order_id = t2.order_id
         group by t1.user_id
     ) t3
where array_contains(sku_ids, '1')
  and array_contains(sku_ids, '2')
  and not array_contains(sku_ids, '3')
题目来源

http://practice.atguigu.cn/#/question/18/desc?qType=SQL

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
logistic回归是一种常用于解决二分类问题的线性回归算法。对于商品售价和顾客购买意愿问题,我们可以使用logistic回归来建立一个模型,预测顾客是否会购买商品。 首先,我们需要收集一些数据。这些数据可能包括商品的特征(比如品牌、型号、质量等)和顾客的相关信息(比如年龄、性别、收入等),并且还需要记录顾客是否购买了该商品(0代表未购买,1代表购买)。 然后,我们可以使用logistic回归算法对数据进行训练和建模。该算法会根据我们提供的特征和标签数据,寻找最适合的权重系数,来建立一个预测函数。这个函数将根据商品的特征和顾客的相关信息,预测顾客购买意愿。 最后,我们可以利用训练好的模型进行预测。给定一个新的商品顾客的信息,我们可以通过模型预测该顾客是否会购买商品。预测结果会输一个概率值,表示该顾客购买商品的可能性。通常,我们会根据设定的阈值(比如0.5)来判断顾客购买意愿,大于阈值则认为购买,小于则认为不购买。 需要注意的是,logistic回归是一种线性模型,只能处理线性可分的问题。如果商品顾客的关系是非线性的,我们可能需要考虑使用其他机器学习算法,比如支持向量机(SVM)或者决策树等。 通过使用logistic回归求解商品售价和顾客购买意愿问题,我们可以更好地理解顾客购买行为,并根据预测结果来制定相应的市场策略,提高销售额和客户满意度。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Dataer__

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值