可持续愿景：基于无监督机器学习的全球发展目标洞察
机器学习
2025-03-12 v2 计算机与社会
摘要
联合国 2030 可持续发展议程概述了 17 项旨在解决世界各地全球挑战的发展目标。然而，各国oward these goals 的进展远低于预期，因此亟需探究其背后的原因。本研究采用一种新颖的数据驱动方法，对 20 年(2000-2022)来自 107 个国家的时间序列数据应用无监督机器学习（ML）技术进行分析。我们的分析揭示了某些可持续发展目标（SDGs）之间的强烈正负相关。我们的发现表明，各国oward SDGs 的进展受到地理、文化和社会经济因素的强烈影响，目前没有哪个国家能够在 2030 年之前实现所有目标。这凸显了需要一种区域特定的、系统性的方法来应对可持续发展挑战，认识到目标之间复杂的相互依赖性以及各国实现这些目标的不同能力。本研究的机器学习方法为制定高效且以数据为依据的策略，推动合作且有针对性的可持续发展 initiative 提供了稳健的框架。
引用
@article{arxiv.2409.12427,
title = {Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals},
author = {Alberto García-Rodríguez and Matias Núñez and Miguel Robles Pérez and Tzipe Govezensky and Rafael A. Barrio and Carlos Gershenson and Kimmo K. Kaski and Julia Tagüeña},
journal= {arXiv preprint arXiv:2409.12427},
year = {2025}
}