Машинное обучение в комплексном исследовании индекса человеческого развития

Аннотация

Введение: актуальной задачей региональной политики является не только мониторинг индекса человеческого развития, но и выявление ключевых социально-эконо мических факторов, определяющих его уровень. Понимание этих зависимостей необходимо для разработки научно-обоснованных мер по сокращению межрегионального неравенства и повышению качества жизни.Методы: исследование построено на анализе официальных статистических данных. На основе медианного значения целевой показатель был преобразован в бинарную переменную для задачи классификации. После обработки пропусков и генерации новых признаков было обучено и оптимизировано шесть алгоритмов машинного обучения, включая линейные и ансамблевые методы. Для интеграции их сильных сторон был дополнительно создан стекинг-ансамбль. Качество моделей оценивалось по комплексным метрикам на тестовой выборке.Результаты: корреляционный анализ выявил сильную отрицательную связь индекса с уровнем бедности и безработицы и сильную положительную связь с показателями демографической нагрузки и экономической активности. Среди моделей наилучшую способность к прогнозированию продемонстрировал градиентный бустинг, достигший точности 0,8824 и значения ROC-AUC 0,9523. Стекинг-ансамбль позволил получить сбалансированный классификатор с конкурентными показателями.Обсуждение: результаты подтверждают эффективность современных ансамблевых методов для моделирования комплексных социально-экономических зависимостей. Построенные модели служат инструментом для аналитической поддержки управленческих решений, позволяя оценивать потенциальное влияние изменений в отдельных сферах на интегральный показатель развития региона. Перспективой работы является углубление интерпретации моделей для выработки конкретных рекомендаций.