随着电子商务的进一步发展,用户消费习惯逐渐向线上转移,消费者需求也向多样化、个性化转变,为了更好的服务消费者,生鲜电商兴起并逐渐走入人们的生活中,生鲜电商的用户渗透率大大提升。2015年生鲜电商前置仓模式兴起,前置仓在一定程度上提高了用户体验,但消费者对生鲜品新鲜、便利、高品质的追求使生鲜前置仓企业难以实现盈利,为了前置仓能够降低运营成本和管理难度,快速相应市场需求,进一步提升消费者体验,本文借助机器学习中常用方法,对生鲜电商商品未来需求量做出预测,以降低前置仓库存成本,获取更高利润,从而推动前置仓健康发展。首先对生鲜电商前置仓的概况进行梳理,分析前置仓兴起的原因,阐述前置仓的含义、特点,并对前置仓现阶段的发展情况进行整体把握,分析前置仓发展现状,然后深层探讨前置仓存在的问题,从问题出发,分析前置仓商品需求预测的必要性,为后续所要进行的预测工作做准备。其次构建生鲜电商前置仓商品需求预测模型,确定需求预测模型的基本思路,建立本文适用的特征选择算法对解释变量进行选择,然后针对机器学习中Bagging集成学习最具代表的随机森林算法（RF）,Boosting集成学习中梯度提升树算法（GBDT）,和机器学习中经典方法支持向量回归算法（SVR）构建需求预测模型,并采用集成学习的思想将三个模型进行融合。之后在商品需求预测的基础上建立仓储成本模型并对商品仓储成本进行优化,确定商品最终备货量,以达到本文需求预测的真正目的。最后利用真实电商数据对上文模型进行检验,利用时间滑动窗口构建特征,再使用PCA方法对特征提取和特征选择,选出各模型的最优特征数量;利用三种机器学习算法和模型融合,对电商平台的生鲜商品未来需求量进行精准预估。通过仓储成本模型对需求量的进一步优化,确定商品未来最佳备货量。