有监督机器学习在甘肃省农村贫困户识别中的应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 引言 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究目的 | 第10页 |
| 1.1.3 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 关于精准扶贫的研究现状 | 第11-12页 |
| 1.2.2 机器学习在贫困识别中的应用现状 | 第12-13页 |
| 1.2.3 研究评述 | 第13-14页 |
| 1.3 研究的基本方法 | 第14页 |
| 1.4 全文的主要研究内容 | 第14-16页 |
| 2 贫困户识别的方法 | 第16-26页 |
| 2.1 决策树分类模型 | 第16-18页 |
| 2.1.1 基于条件推理树分类原理 | 第16-17页 |
| 2.1.2 决策树模型的优缺点 | 第17-18页 |
| 2.2 随机森林模型 | 第18-21页 |
| 2.2.1 随机森林工作原理 | 第19-20页 |
| 2.2.2 随机森林模型的优缺点 | 第20-21页 |
| 2.3 逻辑回归分类模型 | 第21-23页 |
| 2.3.1 逻辑回归模型原理 | 第21-22页 |
| 2.3.2 逻辑回归模型的优缺点 | 第22-23页 |
| 2.4 神经网络分类模型 | 第23-25页 |
| 2.4.1 人工神经网络的工作原理 | 第23-25页 |
| 2.4.2 神经网络的优缺点 | 第25页 |
| 2.5 模型的评价与选择 | 第25-26页 |
| 3 数据集介绍及预处理 | 第26-34页 |
| 3.1 调查数据描述性统计分析 | 第26-31页 |
| 3.2 数据清洗 | 第31-34页 |
| 3.2.1 数据清洗的方法 | 第32页 |
| 3.2.2 原始数据整理与清洗 | 第32-34页 |
| 4 贫困户识别实证分析 | 第34-50页 |
| 4.1 数据集划分并检验 | 第34-36页 |
| 4.2 决策树分类识别贫困户 | 第36-39页 |
| 4.3 随机森林分类识别贫困户 | 第39-43页 |
| 4.4 逻辑回归识别贫困户 | 第43-46页 |
| 4.5 神经网络模型分类识别贫困户 | 第46-48页 |
| 4.6 模型评价 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 后记 | 第54页 |
