북수마트라의 빈곤 매핑 및 예측을 위한 기계 학습: 데이터 기반 접근법

빈곤에 대한 논의는 사회의 많은 측면에 영향을 미치기 때문에 중요합니다. 여기에는 사회경제적 불평등, 범죄 및 고품질 교육을 받지 못하는 문제가 포함됩니다. 인도네시아에서 가장 높은 빈곤율을 가진 주 중 하나가 북수마트라입니다. 빈곤을 효과적으로 줄이기 위해서는 정확한 데이터를 수집할 전략이 필요합니다. 북수마트라에서 빈곤 매핑과 예측을 수행하여 빈곤의 정확한 공간 분포, 빈곤 모델의 작용, 기계 학습(ML)을 사용한 예측을 얻었습니다. 빈곤 예측은 랜덤 포레스트(RF) 알고리즘을 사용하여 수행되었고 빈곤 매핑은 K-평균 알고리즘을 사용하여 수행되었습니다. 빈곤 매핑은 엘보 그래프의 세 번째 및 네 번째 클러스터에서 상당한 관성 값 감소를 보여주었습니다. 세 번째 클러스터(0.313)는 실루엣 지수에서 네 번째 클러스터(0.244)보다 우수했습니다. 따라서 모델에서 사용된 빈곤 클러스터는 낮은, 중간, 높은 세 가지가 있었습니다. 가장 좋은 모델은 격자 탐색 교차 검증을 사용하여 생성되었으며, 가장 좋은 예측 결과는 RF 알고리즘을 사용하여 생성되었습니다. 다음과 같은 매개변수가 사용되었습니다: n-estimator = 50, max depth = 10, min samples split = 2, min samples leaf = 1. RF 모델의 예측 평균 제곱 오차(MSE)는 0.002617로 만족스러운 정확도를 나타냈습니다.