使用机器学习预测哥斯达黎加家庭的贫困状态
应用统计
2021-11-29 v1
摘要
本研究提出两个有监督多分类机器学习模型，用于预测哥斯达黎加家庭的贫困状态，以支持政府和企业部门在快速变化的社会经济环境中做出决策。利用美洲开发银行通过代理手段检验收集的哥斯达黎加家庭数据集，随机森林（Random Forest）与梯度提升树（Gradient Boosted Trees）分别取得了 64.9% 和 68.4% 的 F1 分数。本研究还揭示，教育对贫困状态预测的影响最大。
引用
@article{arxiv.2111.13319,
title = {Using Machine Learning to Predict Poverty Status in Costa Rican Households},
author = {Ji Yoon Kim},
journal= {arXiv preprint arXiv:2111.13319},
year = {2021}
}