从字节到口粮:使用特定国家的机器学习模型预测饥荒
原文中文,约200字,阅读约需1分钟。发表于: 。本研究解决了低收入和发展中国家饥饿危机的预测问题,通过运用多种自然、经济和冲突相关变量,采用三种机器学习模型来预测家庭营养的关键指标食物消费评分。研究发现,随机森林回归模型是最准确的,平均预测误差为10.6%,特别强调了经济指标在预测中的重要性,表明为每个国家定制模型和改进数据收集对于改善饥荒预测至关重要。
本研究使用多种变量和机器学习模型预测低收入和发展中国家饥饿危机的家庭营养指标。研究发现随机森林回归模型是最准确的,平均预测误差为10.6%。经济指标在预测中的重要性得到了强调,定制模型和改进数据收集对于改善饥荒预测至关重要。