| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 前言 | 第10-20页 |
| 1.1 研究背景目的和意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究目的 | 第12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 国内外研究进展 | 第13-17页 |
| 1.2.1 关于精准扶贫研究的进展 | 第13-16页 |
| 1.2.2 随机森林和AdaBoost的应用研究现状 | 第16-17页 |
| 1.2.3 文献综述总结 | 第17页 |
| 1.3 本文研究基本方法 | 第17-18页 |
| 1.4 全文结构框架 | 第18-19页 |
| 1.5 文章的创新之处 | 第19-20页 |
| 2 logistic贫困户识别模型 | 第20-31页 |
| 2.1 logistic回归理论介绍 | 第20-22页 |
| 2.1.1 二项logistic回归模型 | 第20-21页 |
| 2.1.2 模型参数估计 | 第21-22页 |
| 2.2 变量的选取与说明 | 第22-24页 |
| 2.3 贫困户特征分析 | 第24-27页 |
| 2.4 logistic贫困户的识别 | 第27-31页 |
| 3 随机森林贫困户识别模型 | 第31-42页 |
| 3.1 随机森林理论 | 第31-36页 |
| 3.1.1 特征变量重要性评价 | 第34-35页 |
| 3.1.2 随机森林优点 | 第35-36页 |
| 3.2 模型构建 | 第36-42页 |
| 3.2.1 模型建立 | 第36页 |
| 3.2.2 参数选取、模型评价与变量重要性 | 第36-42页 |
| 4 AdaBoost方法贫困户识别模型 | 第42-45页 |
| 4.1 AdaBoost理论介绍 | 第42-43页 |
| 4.2 模型建立 | 第43-45页 |
| 5 四个贫困户识别模型的评估 | 第45-49页 |
| 5.1 10%样本量作为检验集 | 第45-46页 |
| 5.2 20%样本量作为检验集 | 第46-47页 |
| 5.3 30%样本量作为检验集 | 第47-49页 |
| 6 结论和展望 | 第49-51页 |
| 6.1 主要工作总结及不足 | 第49页 |
| 6.2 研究展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 附录A | 第53-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间的科研成果情况 | 第64页 |