机构名称：
¥ 1.0
摘要使用机器学习来预测哈萨克斯坦食品的消费价格的相关性是由于需要有效管理价格并确保为人口提供食品的可用性。机器学习可以分析多种因素，例如通货膨胀，季节性波动以及供求的变化，并创建准确的预测，这在经济不确定性和食品价格波动的时期至关重要。在这项工作中，我们使用了一种机器学习方法来预测哈萨克斯坦的食品价格。主要重点是在这种情况下的机器学习方法的应用。我们使用2005年至2020年的每月农村，城市和混合价格数据来开发和测试模型。该研究研究了使用从世界食品计划价格数据库获得的数据集诸如决策树，随机森林和梯度提升之类的机器学习模型的使用。这有助于准确预测未来的食品价格。我们还使用各种指标评估了这些模型的准确性，例如均方根误差（RMSE），均方根误差（MSE），作为平均绝对误差（MAE）和确定系数（R 2）。在我们的工作中，我们得出的结论是，随机森林模型在所有测量指标中表现最佳。实验结果证实，随机森林模型产生的高精度在预测未来的食品价格价值方面具有（0.99）。关键字1机器学习，预测，消费者价格指数，随机森林，决策树，梯度提升。
使用机器学习预测哈萨克斯坦的食品价格
主要关键词
相关文件推荐
