世界银行2023年报告:机器学习时代的贫困地图——方法论与验证程序
本报告由世界银行发布,探讨利用机器学习技术绘制贫困地图的最新进展。基于2015年墨西哥跨普查调查数据,通过设计模拟实验,揭示了常用验证方法的潜在误导性,并提出了替代验证方案。报告为政策制定者和社会科学家提供了更精准的贫困估计方法,是理解现代贫困测绘技术的重要参考资料。
本报告由世界银行发布,探讨利用机器学习技术绘制贫困地图的最新进展。基于2015年墨西哥跨普查调查数据,通过设计模拟实验,揭示了常用验证方法的潜在误导性,并提出了替代验证方案。报告为政策制定者和社会科学家提供了更精准的贫困估计方法,是理解现代贫困测绘技术的重要参考资料。
本报告由世界银行发布,探讨利用机器学习技术绘制贫困地图的最新进展。基于2015年墨西哥跨普查调查数据,通过设计模拟实验,揭示了常用验证方法的潜在误导性,并提出了替代验证方案。报告为政策制定者和社会科学家提供了更精准的贫困估计方法,是理解现代贫困测绘技术的重要参考资料。
本报告由世界银行发布,探讨利用机器学习技术绘制贫困地图的最新进展。基于2015年墨西哥跨普查调查数据,通过设计模拟实验,揭示了常用验证方法的潜在误导性,并提出了替代验证方案。报告为政策制定者和社会科学家提供了更精准的贫困估计方法,是理解现代贫困测绘技术的重要参考资料。
本报告由世界银行发布,发布于 2023 年。
覆盖 2023 年,全文约 37.0。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合政策制定者、社会科学家、数据科学家等读者参考。
重点分析了金融投资、世界银行、贫困地图、验证程序等议题。