外卖配送时长预测：随机打乱数据划分训练测试集是否可行？

结论：完全允许，且在你的场景下是更合理的划分方式 #

• 数据划分的核心要求是：训练集与测试集需能代表真实预测场景，且测试集不能包含训练集的泄露信息。
• 你的模型属于单样本独立预测（仅利用单个订单的特征：食物类型、配送员、预期时长等，不依赖样本间的关联或时间序列依赖），这种场景下时间顺序对模型训练没有意义，打乱数据不会引入任何数据泄露问题。
• 你最初的80/20划分如果是按时间顺序（比如前2.4年数据训练，后0.6年测试），很可能存在数据分布偏移：不同时间段的订单特征（如旺季淡季、配送资源变化、用户下单习惯）存在差异，导致训练集和测试集的分布不一致，模型在测试集的表现自然受限。而随机打乱后划分，能让训练集和测试集的分布更贴近整体数据的真实分布，因此效果提升是合理且符合逻辑的。
• 后续注意：如果之后模型升级需要加入时间维度的特征（如时段、节假日），只要还是单样本独立预测逻辑，打乱划分依然适用；只有当你需要做序列依赖的预测（比如基于前几个订单的拥堵情况预测当前订单时长）时，才需要考虑按时间顺序划分，避免泄露未来数据信息。

内容的提问来源于stack exchange，提问作者John Coles