机构名称：
¥ 1.0
摘要 目前有超过 4400 万美国人饱受粮食短缺之苦，其中 1300 万是儿童。粮食短缺已导致一系列身体和发育问题。在美国各地，数以千计的食品银行和食品储藏室是粮食短缺家庭的重要食物和其他形式援助来源。通过优化食品银行的位置，急需食物的家庭将更容易获得食品银行及其资源。本文旨在构建一个机器学习框架，该框架能够优化食品银行的位置并考虑中等收入等因素。我们为此使用了 K 均值聚类算法，因为它具有高处理速度和考虑大量数据的能力，以及其无监督性质，不需要训练时间或标记训练数据。我们提出的方法将 K 均值应用于来自加利福尼亚州和印第安纳州美国人口普查和地理空间数据的一系列房屋，并在有收入数据时应用加权 K 均值算法。我们创建了旨在优先考虑低收入家庭的食品银行位置，并将这些位置与 Feeding America 下属的真实食品银行进行了比较。我们的结果表明，不仅 K-means 速度极快，而且我们的食品银行位置平均比现有的食品银行位置更好，缩短了加利福尼亚州和印第安纳州食品银行与家庭之间的距离。
在哪里建立食物银行：机器学习方法
主要关键词
相关文件推荐
