移动信息时代已经到来,人们的生活方式也已经发生巨变,通过智能手机上的外卖App订购外卖就是其中之一。如今,中国的外卖行业已经飞速发展,越来越多的人开始并且频繁使用外卖App订购外卖,因此外卖市场迅速扩张。但目前外卖行业的服务跟不上外卖市场的体量,出现了“高端收费,低端服务”的现象。本文为了提升用户订购外卖的体验,对外卖App中“预计送达时间”这一功能进行研究。为了评价“预计送达时间”功能预测的准确性,设想构造一个准确性评价模型,它通过学习过往外卖订单数据并对新产生的订单进行预计送达时间的准确性判断,从而展示给用户、商家和骑手做时间规划,优化用户使用外卖App的订餐体验。为此本文提出了一种改进KNN算法。本改进KNN算法相对于传统KNN算法从分类效率和分类效果这两方面进行改进。改进分类效率方面,使用DBSCAN算法对训练数据集进行聚类,通过裁减各簇中的非核心样本减少训练数据集样本数量,间接提升分类效率。改进分类效果方面,用裁减后剩余的代表样本高权值加距离权重双重投票机制进行投票分类,使分类投票更合理。本改进KNN算法最终在实际外卖订单样本数据集的实验中获得了预期结果,并在UCI公开数据集的实验中基本达到预期。