ExioML：面向全球部门可持续性机器学习的生态经济数据集
机器学习
2024-07-09 v2 数据库
摘要
环境扩展多区域投入产出分析是生态经济学中评估经济活动环境影响的主要框架。本文介绍ExioML——首个为可持续性分析设计的机器学习基准数据集，旨在降低机器学习与生态经济学研究之间的壁垒，并促进两者之间的合作。针对部门可持续性评估，开展了关键的温室气体排放回归任务，以验证数据集的可用性。我们比较了传统浅层模型与深度学习模型的性能，利用多样化的因子核算表，并纳入各种类别和数值特征。我们的发现表明，ExioML凭借其高可用性，使深度和集成模型能够实现低均方误差，为未来的机器学习研究奠定了基准。通过ExioML，我们旨在构建支持多种机器学习应用的基础数据集，推动气候行动和可持续投资决策。
引用
@article{arxiv.2406.09046,
title = {ExioML: Eco-economic dataset for Machine Learning in Global Sectoral Sustainability},
author = {Yanming Guo and Charles Guan and Jin Ma},
journal= {arXiv preprint arXiv:2406.09046},
year = {2024}
}