Optimized Neural Networks Archetype for Prediction of Socio-economic Class of Women in India

Dieses Kapitel untersucht die Optimierung neuronaler Netzwerke zur Vorhersage der sozioökonomischen Klasse (SEC) von Frauen in Indien und konzentriert sich dabei auf eine neuartige Architektur, die Präzision und Geschwindigkeit von Vorhersagen verbessert. Die Studie verwendet einen Datensatz von 2000 Versuchspersonen mit 30 Merkmalen, wobei eine Segment-, Bildschirm-, Integrierungs-, Verbesserungs- und Kategorisierungstechnik zum Einsatz kommt, um die wirksamsten Merkmale zu identifizieren. Die Forschungsergebnisse zeigen signifikante Verbesserungen bei der Genauigkeit, die im Vergleich zu herkömmlichen Methoden bei bis zu 99,34% liegt. Zu den Schlüsselthemen gehören Datenaufbereitung, Featureauswahl, Modellarchitektur und Leistungsbewertung. Die Studie vergleicht das vorgeschlagene Modell auch mit anderen Techniken des maschinellen Lernens und zeigt seine überlegene Leistung bei der Einteilung der SEC in niedrige, mittlere und hohe Kategorien. Die Ergebnisse unterstreichen die Effizienz des Modells im Umgang mit großen Funktionsumfängen und sein Potenzial für Echtzeit-Vorhersagen, was es zu einem wertvollen Werkzeug für sozioökonomische Forschung und Politikentwicklung macht.