Модели бинарной классификации для склонности к появлению в семье ребенка по данным RLMS-HSE

Содержание

Введение

Глава 1. Теоретико-методологические основы моделирования демографического поведения

1.1. Анализ проблемы. Здесь анализ нужен небольшой, относительно того, что сделано по теме, какие исследования проводились, какие методы и какие результаты получены. В идеале, если найти работы, где были использованы методы машинного обучения и ИАД, чтобы с ними сравнить потом. Здесь будут ссылки на источники в этом разделе.

1.2. Методы интеллектуального анализа данных для решения задач классификации. Здесь нужно описать с математической точки зрения методы, которые применяем для анализа выбранных данных. Не очень подробно, чтобы были формулы и было представление у читающего, что автор владеет материалом

1.3. Предобработка данных. В самом начале следует упомянуть о том, какие данные взяты, источник, описание привести. Применить методы предобработки данных, которые Вы знаете, выявить наиболее интересные факторы, влияющие на целевую переменную Балансировка данных, разделение на обучающую и тестовую (отложенную) выборки

1.4. Выводы по главе 1

Глава 2. Моделирование. В каждом методе необходимо выполнять поиск наилучших значений гиперпараметров поиском по сетке GridSearch, Основная метрика - общая классификационная способность (доля правильных ответов) на отложенной тестовой выборке, но другие метрики тоже можно приводить и сравнивать методы по ним тоже

2.1. Логистическая регрессия

2.2. Метод опорных векторов

2.3. Деревья решений

2.4. Случайный лес

2.5. Бустинг. Адаптивный и градиентный.

2.6. Нейросети

2.7. Анализ результатов. Здесь сравниваете методы по метрикам, делаете выводы для вашего набора данных. Для наилучшего метода проанализируйте качество (матрицу сопряженности, ROC-кривую и AUC) для обучающей и тестовой выборки, сделайте общий вывод.

2.8. Вывод по главе 2

Заключение

Список использованной литературы

КУРСОВАЯ РАБОТА

Модели бинарной классификации для склонности к появлению в семье ребенка по данным RLMS-HSE

ВВЕДЕНИЕ

Демографические процессы представляют собой один из наиболее значимых объектов исследования в современной науке, поскольку репродуктивное поведение населения оказывает непосредственное влияние на социально-экономическое развитие государства. В условиях трансформации традиционных семейных моделей и изменения репродуктивных установок актуализируется необходимость разработки математических инструментов для прогнозирования демографических тенденций. Применение методов интеллектуального анализа данных открывает качественно новые возможности для выявления латентных закономерностей в репродуктивном поведении семей.

Математическое моделирование демографических процессов традиционно опиралось на классические статистические подходы, однако стремительное развитие машинного обучения обусловило переход к более совершенным аналитическим инструментам. Методы бинарной классификации позволяют не только идентифицировать детерминанты репродуктивного поведения, но и строить прогностические модели с высокой предиктивной способностью. Российский мониторинг экономического положения и здоровья населения (RLMS-HSE) аккумулирует обширные панельные данные, предоставляя исследователям уникальную возможность для применения современных алгоритмов машинного обучения к анализу демографических процессов.

Несмотря на существенный прогресс в области демографической аналитики, остается недостаточно изученным вопрос сравнительной эффективности различных алгоритмов классификации применительно к прогнозированию появления детей в семьях. Большинство исследований фокусируется на отдельных методах, не проводя системного сопоставления классических и современных подходов машинного обучения. Кроме того, проблематика оптимального подбора признакового пространства и балансировки несбалансированных выборок требует дополнительного методологического анализа.

Цель курсовой работы заключается в разработке и сравнительном анализе моделей бинарной классификации для прогнозирования склонности к появлению ребенка в семье на основе данных RLMS-HSE.

Для достижения поставленной цели сформулированы следующие задачи:

• Провести анализ существующих подходов к моделированию демографического поведения с применением методов интеллектуального анализа данных;
• Выполнить предобработку данных RLMS-HSE, включая отбор признаков, балансировку выборки и разделение на обучающую и тестовую части;
• Реализовать модели бинарной классификации на основе различных алгоритмов машинного обучения с оптимизацией гиперпараметров;
• Провести сравнительный анализ полученных моделей по метрикам качества классификации и определить наиболее эффективный подход.

Объектом исследования выступает репродуктивное поведение российских семей в период 2010-2020 годов. Предметом исследования являются математические модели бинарной классификации для прогнозирования появления ребенка в семье.

Теоретическую базу исследования составляют фундаментальные работы в области теории вероятностей, математической статистики и машинного обучения. Методологический фундамент исследования опирается на концепции статистического обучения Вапника-Червоненкиса, теорию классификации и принципы построения ансамблевых алгоритмов. Методами исследования выступают логистическая регрессия, метод опорных векторов, деревья решений, случайный лес, алгоритмы бустинга и искусственные нейронные сети. Материалы исследования представлены микроданными RLMS-HSE за период 2010-2020 годов, включающими социально-экономические характеристики домохозяйств и индивидуальные параметры респондентов. Обработка данных и построение моделей осуществлялись в программной среде Python с использованием библиотек scikit-learn, pandas, numpy и XGBoost.

Научная новизна исследования определяется комплексным применением широкого спектра алгоритмов машинного обучения к проблеме прогнозирования репродуктивного поведения на основе панельных данных RLMS-HSE. Практическая значимость работы состоит в возможности использования разработанных моделей органами государственного управления для прогнозирования демографических тенденций и формирования эффективной семейной политики.

Структура курсовой работы состоит из введения, двух глав, заключения и списка использованной литературы. Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, определены объект и предмет, представлена методологическая база. В первой главе рассмотрены теоретико-методологические основы моделирования демографического поведения, проанализированы существующие исследования, описаны применяемые методы интеллектуального анализа данных и процедуры предобработки данных RLMS-HSE. Во второй главе реализованы модели бинарной классификации с использованием различных алгоритмов, проведена оптимизация гиперпараметров и выполнен сравнительный анализ результатов. В заключении подведены итоги исследования и сформулированы основные выводы.

ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ДЕМОГРАФИЧЕСКОГО ПОВЕДЕНИЯ

1.1. Анализ проблемы

Исследование детерминант репродуктивного поведения представляет собой междисциплинарную область, находящуюся на пересечении демографии, социологии, экономики и математического моделирования. Традиционные демографические исследования опирались преимущественно на методы описательной статистики и классический регрессионный анализ, что ограничивало возможности выявления сложных нелинейных зависимостей в данных. Трансформация методологического арсенала демографических исследований связана с проникновением в эту область методов машинного обучения, обеспечивающих качественно новый уровень предиктивной аналитики.

Ранние попытки моделирования репродуктивного поведения базировались на линейных вероятностных моделях и логит-регрессии. Работы Беккера и его последователей заложили основы экономического подхода к анализу фертильности, рассматривая реше

…