KAEDAH PENYATUAN FITUR DAN PEMBELAJARAN MESIN BERGABUNG UNTUK MODEL KLASIFIKASI KEMISKINAN PELBAGAI DIMENSI

ISBN 978-629-486-114-5

MYR35.00

 

Book Details 

Author/Editor: Rusnita Isnin@Hamdan, Azuraliza Abu Bakar & Nor Samsiah Sani

Pages: 147

Year of Publication: 2024

Description: 

Buku ini ini merupakan kupasan hasil analisis kemiskinan yang relevan dalam konteks Malaysia. Buku ini memaparkan konsep serta aplikasi terkini dalam kaedah penyatuan maklumat serta pembelajaran mesin bergabung yang bertujuan untuk menghasilkan model klasifikasi kemiskinan pelbagai dimensi. Tiga sumber dataset yang berbeza digunakan untuk membentuk pemahaman yang komprehensif tentang taraf hidup rakyat Malaysia. Buku ini mengupas dengan terperinci kaedah pengenalpastian fitur penting dari sumber data yang berbeza dengan menggunakan pendekatan hutan rawak dan penyatuan fitur daripada pelbagai sumber untuk membina dataset gabungan yang relevan. Kaedah pembelajaran mesin seperti pohon keputusan, hutan rawak dan XGBoost telah digunakan untuk membentuk formula gabungan teknik fitur penting. Algoritma linear regresi juga telah digunakan untuk memastikan sampel data yang relevan dalam menghasilkan fitur dan dimensi penting untuk mengklasifikasi kemiskinan dari pelbagai sudut. Dengan menggunakan kaedah penyatuan maklumat yang inovatif, pembaca akan dibawa untuk memahami, menganalisis dan mengklasifikasikan kemiskinan dari pelbagai dimensi. Bagi mereka yang ingin menggali lebih dalam, buku ini juga membincangkan kaedah hutan rawak, pendekatan penyatuan fitur dari pelbagai sumber dan analisa pengetahuan model yang dihasilkan. Penerangan yang teliti disertai dengan contoh grafik dan carta memudahkan pembaca untuk memahami konsep-konsep yang rumit. Buku ini adalah sumber utama untuk para penyelidik, profesional dan pengkaji yang berminat dalam bidang analisis kemiskinan. Ia tidak hanya menghasilkan model klasifikasi yang tepat, tetapi juga memberikan panduan yang berguna untuk membantu dalam usaha mengurangkan kemiskinan dari pelbagai sudut. Ia adalah satu langkah penting dalam usaha meningkatkan pemahaman dan tindakan untuk mengatasi kemiskinan pelbagai dimensi di Malaysia dan di seluruh dunia.

 

This book presents an analysis of poverty that is relevant in the context of Malaysia. It explores concepts and the latest applications in information integration methods and ensemble machine learning aimed at producing a multidimensional poverty classification model. Three different datasets are used to form a comprehensive understanding of the living standards of Malaysians. This book provides a detailed examination of methods for identifying important features from different data sources using the random forest approach and integrating features from multiple sources to construct a relevant combined dataset. Machine learning methods such as decision trees, random forests and XGBoost have been used to develop a formula that combines key feature techniques. The linear regression algorithm has also been applied to ensure relevant data samples in generating important features and dimensions for classifying poverty from various perspectives. By using innovative information integration methods, readers will be guided to understand, analyse and classify poverty from multiple dimensions. For those who wish to delve deeper, this book also discusses the random forest method, the feature integration approach from various sources and knowledge analysis of the generated model. Detailed explanations accompanied by graphical examples and charts make it easier for readers to grasp complex concepts. This book is a key resource for researchers, professionals and scholars interested in poverty analysis. It not only produces an accurate classification model but also provides useful guidance to assist in efforts to reduce poverty from various angles. It is an important step in enhancing understanding and action to address multidimensional poverty in Malaysia and globally.

Prelims

BISAC Subject Code(s): SOC045000

Category: Sociology