Моделювання якості життя методами машинного навчання

• Veröffentlicht in: Вісник економічної науки України
• Datum: 2024
• Hauptverfasser: Іванов, С.М., Відоменко, М.Ю.
• Format: Artikel
• Sprache: Ukrainian
• Veröffentlicht: Інститут економіки промисловості НАН України 2024
• Schlagworte: Трибуна молодого вченого
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/200013
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Моделювання якості життя методами машинного навчання / С.М. Іванов, М.Ю. Відоменко // Вісник економічної науки України. — 2024. — № 1 (46). — С. 160–175. — Бібліогр.: 43 назв. — укр.

Стаття присвячена питанням моделювання якості життя населення різних країн. У роботі країни світу кластеризувалися за такими ознаками: «середній вік», «індекс людського розвитку», «релігія» та «континент», у результаті чого вони були розділені на 5 груп зі схожими характеристиками. Це дозволило змоделювати показник якості життя для кожної групи країн окремо. Побудова моделей відбувалася методом машинного навчання з попереднім розбиттям вибірки на навчальну та тестову. Отримано 5 регресійних моделей, кожна з яких відповідала умовам країн свого кластеру. На основі результатів моделювання та визначення параметрів, що впливають на якість життя для країн з кожного кластеру, було визначено пріоритетні напрями для вдосконалення з метою підвищення якості життя населення. В дослідженні доведено, процес моделювання такого складного показника як якість життя, потребує значних зусиль, а також постійних уточнень у зв’язку з часто змінюваними обставинами, які впливають на якість життя населення в різних країнах. The article is devoted to issues of modeling the quality of life of different countries’ population. In the work, the countries of the world were clustered according to the following characteristics: «average age», «human development index», «religion» and «continent», as a result of which they were divided into 5 groups with similar characteristics. This made it possible to model the quality-of-life indicator for each group of countries separately. The models were built using the machine learning method with a preliminary division of the sample into training and test ones. 5 regression models were obtained, each of which corresponded to the conditions of the countries of its cluster. Based on the results of modeling and obtained parameters that affect the quality of life for countries from each cluster, priority areas for improvement were determined in order to improve the population’s quality of life. The study proved that the process of modeling such a complex indicator as the quality of life requires significant efforts, as well as constant clarifications in connection with the often-changing circumstances that affect the population’s quality of life in different countries.