Loading...
机构名称:
¥ 1.0

摘要:非营利组织经常在寻找有限的资源运行时提高效率的方法。与最近的数据相比,机器学习更容易获得,因此提供了强大的工具,可解锁有价值的见解,并使非营利组织能够在有限的资源中做更多的事情。本文探讨了各种机器学习技术,以概述机器学习方法,包括受监督,无监督,半监督和加强学习以及对非营利组织的潜在利益。提出了用于筹款的捐助者预测的实际用途,以证明如何使用监督学习来确定潜在的重复捐助者。这项研究中开发的神经网络模型在预测捐赠者是否再次捐赠时达到了86%的精度。此机器学习示例提供了一个示例,说明非营利组织如何更有效地实现其使命

非营利组织的机器学习

非营利组织的机器学习PDF文件第1页

非营利组织的机器学习PDF文件第2页

非营利组织的机器学习PDF文件第3页

非营利组织的机器学习PDF文件第4页

非营利组织的机器学习PDF文件第5页

相关文件推荐

2021 年
¥2.0
2024 年
¥1.0
2024 年
¥4.0
2024 年
¥2.0
2024 年
¥1.0
2025 年
¥1.0
2012 年
¥41.0
2025 年
¥1.0
2024 年
¥1.0
2025 年
¥5.0
2024 年
¥13.0
2024 年
¥1.0
1900 年
¥10.0
1900 年
¥3.0
2015 年
¥2.0
2025 年
¥1.0
2025 年
¥27.0
2019 年
¥1.0
2023 年
¥18.0
1900 年
¥1.0
2023 年
¥1.0