发布Uber Eats运营智能分析项目仓库
先了解这件事
开发者 nehaeshwari-tech 在 GitHub 发布了名为 Uber_Eats_Operational_Intelligence 的数据分析与机器学习毕业设计项目仓库，以 Uber Eats 数据为对象，覆盖客户与餐厅细分、评论情感分析、配送时间回归预测和小时级订单需求时序预测。项目按 5 天推进，目前已完成 Day 1 至 Day 5 的各阶段任务，包括聚类分析、NLP 情感分类与需求预测建模。技术栈采用 Python、Pandas、Scikit-learn、K-Means/DBSCAN、TF-IDF/NLTK/VADER，回归模型包括 Linear Regression、Ridge、Lasso、Random Forest 和 Gradient Boosting，时序预测使用 ARIMA 和 Prophet。项目使用的数据集为自行生成的合成数据，仓库说明指出相关结论应结合可用数据集和模型实际表现来解读。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 3D 生成新仓库Uber_Eats_Operational_Intelligence：Uber Eats 运营与客户智能数据分析项目
这是一个以 Uber Eats 数据为对象的数据分析与机器学习毕业设计项目，覆盖客户与餐厅细分、评论情感分析、配送时间回归预测和小时级订单需求时序预测。技术栈采用 Python、Pandas、Scikit-learn、K-Means/DBSCAN、TF-IDF/NLTK/VADER，回归使用 Linear Regression、Ridge、Lasso、Random Forest、Gradient Boosting，时序预测使用 ARIMA 和 Prophet。项目按 5 天推进，目前已完成 Day 1 至 Day 5 的各阶段任务，包括聚类分析、NLP 情感分类与需求预测建模。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。