poverty

加州大学伯克利分校教授Joshua Blumenstock利用机器学习和人工智能分析家庭调查数据，优化减贫项目的目标定位，并估算消除全球极端贫困所需的成本。

本文应用随机森林递归特征消除（RF-RFE）对尼日利亚住户调查数据进行分析，旨在识别能够准确分类贫困状态、五分位分布和不平等位置的最小预测因子。研究表明，机器学习可以在减少数据需求的同时，保留用于监测贫困与不平等的分布信息。