操作时间

研究文章对食品交付操作时间预测的机器学习模型的比较分析

准确的时间估计对于确保不断增长的粮食交付行业的客户满意度和运营效率至关重要。本文着重于全面分析影响食品输送时间的因素，并评估机器学习模型在预测交付时间中的有效性。为此，作者在Kaggle平台上合并了一家食品送货公司的详细数据集，包括送货地址，订单时间，送货时间，天气条件，交通强度和交付人员的个人资料信息。该研究使用MAE，RMSE和R²等指标评估了各种机器学习模型，例如线性回归，决策树，随机森林，XGBRegressor（XGBRegressor（XGBRegressor）（XGBRegressor）（KNN）回归模型。结果表明，集合方法（XGBRegressor）在准确预测输送时间的情况下以其他模型的形式实现了其他模型，而R平方分数为0.82。此外，对特征重要性的彻底分析发现了影响交付时间估计的因素。本研究提供了有关利用机器学习技术的见解，以优化食品交付操作并提高客户满意度。这些发现可以帮助食品交付平台部署有效的时间估计模型并强调预测因素。