世界银行-机器学习时代的贫困地图（英）-2023.5
- 报告编号：142932
- 报告名称：世界银行-机器学习时代的贫困地图（英）-2023.5
- 报告来源：互联网用户上传
- 关键词：行研报告
- 报告页数：37 页
- 预览页数：6
- 报告格式：pdf
- 上传时间：2024-08-07
- 简介摘要: (原创分析) 这篇论文探讨了现代贫困地图绘制方法的可信度。它利用墨西哥的Intercensal Survey数据，构建了一个伪人口普查，以评估传统与基于机器学习的贫困地图绘制方法的性能。研究发现，传统基于参数的方法与基于机器学习的非参数方法之间存在显著差异。机器学习模型依赖于遥感数据，而传统方法则依赖于更精确的人口普查数据。论文发现，用于评估模型性能的R²值可能由于直接估计的误差而误导决策。因此，建议使用更精确的贫困率数据来评估模型性能。此外，研究还发现，基于机器学习的模型在预测贫困率方面表现不佳，尤其是当使用遥感数据时。这表明，尽管机器学习方法在理论上可能具有优势，但在实践中，传统方法可能更为有效。最后，研究还指出，在贫困目标设定方面，传统方法优于基于机器学习的模型。
本报告共 37 页, 提供前 6 页预览. 无水印的全部内容, 请购买后下载查看, 谢谢您!
点赞
