机器学习入门实战：用外卖配送预测搞懂回归、分类与特征工程

先交代一个背景：我最早接触机器学习，不是从MNIST手写数字识别开始的，也不是一上来就撸TensorFlow，而是因为一个特别接地气的需求——预测外卖什么时候能到。那会儿在公司做数据分析，每天午饭时间整个办公室都在等外卖，有人11点下单，12点半还没送到，有人12点下单反而先到。大家开始吐槽某个外卖平台的预估时间不准，而我手里正好攒了三个月的订单数据，就想试试：能不能用机器学习把这件事预测得比平台更准。

这一试，基本就把机器学习从“概念”变成了“工具”。模型本身不复杂，数据量也就几千行，但完整走了一遍从数据清洗、特征工程、模型训练到评估上线的流程，之后再看吴恩达的课程、周志华的《机器学习》，理解速度完全不一样——因为那些抽象名词，每一个都在我自己的数据上见过。这篇文章就把这段经历拆开来讲，从外卖预测这个案例出发，把机器学习最核心的几个概念、最常用的几类算法串起来，适合完全零基础、但想用实际项目来入门的读者。你不需要有深厚的数学背景，能装Python、会看表格，就足够跟上。

1. 决定“先预测什么”：外卖场景里的三类机器学习问题

很多人学机器学习卡住，不是因为算法难，而是因为一开始就扎进数学推导，却不知道自己到底在解决什么问题。实际上，你拿到一个业务场景，第一件事永远不是选模型，而是先搞清楚：这到底是个什么问题。

拿外卖预测来说，同样一堆数据，你问的问题不同，问题的性质就完全不同，后续所有步骤也都不一样。

1.1 配送时长预测：一个典型的回归问题

最直观的问题就是：这单外卖大概多久能送到？我当时的做法是拿历史上的订单记录，把每一单的实际配送时长作为目标值，然后用订单时间、餐馆位置、配送距离、天气、时段、骑手数量这些因素来预测它。这种“预测一个连续数值”的问题，就是回归问题。

回归问题的核心在于，输出是一个实数，我们关心的不只是“准不准”，更关心“偏了多少”——是差2分钟还是差20分钟，损失完全不同。后面选择评估指标时，你会看到为什么回归问题不拿准确率说话，而是拿MAE、RMSE这些误差指标说话。

1.2 是否会晚点：一个二分类问题

同样是外卖数据，换个问法：这单会不会比平台承诺时间晚10分钟以上？这时候输出就变成了“会”或“不会”，只有两个选项，这是二分类问题。

分类问题和回归问题的算法逻辑完全不同：回归是拟合一条线、一个面去逼近数值，分类是画出一条边界把不同类别的样本分开。我记得自己做分类时最容易犯的错，就是拿回归的思路去硬套分类——预测出来一个0.7，就以为“70%会晚点”，这是把“概率”和“类别”搞混了。后面讲到逻辑回归的时候再细说。

1.3 用户选择偏好：一个多分类/推荐问题

再往深一步，如果想知道“这位用户接下来更可能点哪一类外卖”，那就变成了多分类问题，或者带推荐性质的排序问题。这一步比我当时做的前面两个问题复杂得多，但对入门来说，理解了前面的回归和分类，已经足够建立对机器学习的基本体感。

所以你现在应该记住的第一件事是：机器学习项目的起点，永远是定义问题。问题定义错了，后面一切努力都是白费。我自己见过太多入门者，数据还没看明白，就急着把随机森林、XGBoost轮着跑一遍，最后连自己在解决什么类型的问题都说不清。

2. 特征工程的“点外卖”视角：从原始数据到模型能吃的输入

问题定义清楚了，下一步是把数据变成模型能理解的东西。这一步在机器学习里叫特征工程，说人话就是：把你手上的原始数据，加工成对预测有帮助的“线索”。

我当时手上的原始数据长这样：订单编号、用户ID、餐馆ID、下单