基于集成学习与不平衡数据的返贫预测

作者:龚云翔; 袁仕芳; 刘付谦
更新时间:

虽然中国在扶贫方面取得了决定性的成就,但仍有一些脱贫者面临着重返贫困的风险。基于不平衡数据集,本文使用SMOTE模型对返贫类别样本进行过抽样,处理后的返贫和非返贫样本数据的比率为3:1。然后,建立了基于Stacking集成学习的返贫预测模型,并通过网格搜索优化各模型的超级参数,结合10次交叉验证,提高了模型的泛化能力。本文使用四种不同的融合模型来预测贫困家庭是否会重返贫困。实验结果表明,与单一模型相比,融合模型的分类效果优于单一分类器。最佳融合模型的Acc为0.962,F1-score为0.946。