食品安全作为保障国民健康与国家安全的重要环节,逐渐上升至国家安全层面。本文选取上海市J区市场监督局委托所实习的B公司开展的居民食品安全满意度调查项目,作为案例进行研究。针对案例存在的问题,将新的机器学习方法—CatBoost算法引入到食品安全这一交叉领域,解决案例中存在的不足,为食品安全满意度研究提供全新的思路与方法。首先,在案例概述部分对居民食品安全满意度调查项目及报告的深入研究,发现案例存在数据利用不充分、相关建议缺乏针对性、评分模型不科学三个突出问题。然后,针对案例存在的问题,在案例分析部分,尝试给出相应的解决方案,具体开展以下工作:（一）完成数据的预处理工作。首先对调查问卷得到的1100个样本进行处理,提取出性别、年龄、地址、学历等23个二级指标,并结合案例本身形成6个一级指标:基本信息、安全意识、感知质量、群众信任度、“创城”知晓率与支持率和政府工作。然后依次完成数据缺失值处理、非平衡数据处理、相关性检验等工作。最后,对类别变量进行特征编码并利用SCAD方法对23个二级指标进行筛选,最终筛选出性别、年龄、政府执法力度、媒体监督等17个特征指标。（二）基于CatBoost模型完成居民安全满意度预测。针对案例存在的数据利用不充分的问题,首先,通过引入新的算法模型—CatBoost算法来建立居民食品安全满意度的预测模型。然后,与Logistic回归、随机森林、GBDT和XGBoost算法构建的预测模型进行对比,并利用准确率、F1值、AUC值与模型运行时长完成模型评估与对比。发现CatBoost模型在预测精度最高,较最低的Logistic回归预测模型提高了25%,此外CatBoost模型数据训练的时长仅为74S、测试数据的时长仅为18S,模型运行效率较其他模型均有大幅提升,最终确定CatBoost模型作为最优居民食品安全满意度的预测模型,挖掘出数据价值,提高食品安全满意度的预测精度,为后续工作打好基础。（三）基于CatBoost算法完成居民食品满意度影响因素分析。针对案例存在的建议缺乏针对性的问题,在确定满意度预测模型的基础上,利用CatBoost模型中的importance函数,得到各个影响指标的相对重要性。进一步对重要影响因素展开相关数据分析,通过分析发现,60岁以上年龄层居民满意度分值太低、“创城”知晓率太低、食品安全执法部门执法力度不强等问题突出。最后,依据相关问题提出针对性建议,为上海J区政府提高居民食品安全满意度,创建“食品安全示范城市”提供建设性意见,促进政府精准施措。（四）基于CatBoost算法建立居民食品满意度评分模型。针对案例存在的评分模型不科学的问题,尝试利用居民食品安全满意度影响指标的相对重要性,依据特征权重得到更加科学的食品安全满意度的一级和二级指标评分模型。并利用模型给出J区各个园区、街道的居民食品满意度评分。同时,与原案例给出的评分结果进行对比分析,确定评分模型改进效果,助力政府相关工作考评以及相应的辖区整改工作。最后,向原实习公司反馈案例的分析结果与解决方案,得到肯定后,将相关研究结果进一步转呈给上海市J区市场监督局,为后续食品安全工作提供参考,进一步提高居民食品安全满意度,具有积极的现实意义与应用价值。