Журнал СФУ. Гуманитарные науки / Кластеризация регионов с целью государственной поддержки агропромышленного комплекса на основе методов машинного обучения

Полный текст (.pdf)
Номер
Журнал СФУ. Гуманитарные науки. 2026 19 (6)
Авторы
Семенова, А. Р.; Черкасова, Ю. И.
Контактная информация
Семенова, А. Р. : Сибирский федеральный университет (Российская Федерация, Красноярск); Черкасова, Ю. И. : Сибирский федеральный университет (Российская Федерация, Красноярск)
Ключевые слова
субсидии; машинное обучение; кластеризация; классификация; агропромышленный комплекс; CatBoost; K-Means; RandomForestClassifier; матрица ошибок; subsidies; machine learning; clustering; classification; agricultural sector; CatBoost; K-Means; RandomForestClassifier; confusion matrix
Аннотация

В статье предлагается использовать методы машинного обучения для кластеризации агропромышленного комплекса (АПК) с целью предоставления государственной финансовой поддержки. На основе данных о растениеводстве по 82 субъектам РФ за 2024 г. проведена кластеризация и классификация регионов РФ с помощью алгоритмов K-Means и RandomForestClassifier. Для предсказания объема продукции сельского хозяйства использована модель CatBoost с предварительным feature engineering. Показано, что регионы четко разделяются на четыре кластера: сверхлидеры, лидеры, средние и отстающие. Модель классификации демонстрирует высокую предсказательную способность (accuracy = 0.9048). Полученные результаты позволяют обосновать дифференцированные меры государственной поддержки АПК

Страницы
1293–1305
EDN
XAZZVH
Статья в архиве электронных ресурсов СФУ
https://elib.sfu-kras.ru/handle/2311/158610

Лицензия Creative Commons Эта работа лицензируется по лицензии Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0).