PulseAugur
中
实时 01:10:37
English(EN) Differing Roles of Leisure and Productivity in GDP - A Machine Learning based comparative analysis of Germany and USA

机器学习模型分析休闲与生产力对德国、美国GDP的影响

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个机器学习模型，特别是随机森林模型，用于分析工作时长与全要素生产率在预测国家GDP（国内生产总值）中的关系。该研究聚焦于德国和美国，利用基尼重要性、SHAP图和部分依赖性来理解社会结构如何影响这些因素对GDP的贡献。研究结果表明，两国社会结构差异反映在工作时长与生产力对各自GDP的相对影响上。 AI

影响 这项研究展示了机器学习在经济分析中的应用，可能为理解GDP驱动因素提供新方法。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习模型在经济分析中的应用。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习模型分析休闲与生产力对德国、美国GDP的影响

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了机器学习模型在经济分析中的应用。[lever_c_demoted from research: ic=1 ai=0.4]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
Standard
On-topic for AI-industry coverage; kept in the public index.
Story freshness
90 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Achintya Ranjan, Uma Ranjan ·

    休闲与生产力在GDP中的不同作用——基于机器学习的德国与美国比较分析

    arXiv:2606.01234v1 Announce Type: cross Abstract: The GDP of a country is modelled as the relative interaction between two agents - working hours, reflecting the social choice of a population, and Total Factor Productivity, reflecting the collective investment in productivity enh…

相关实体

相关话题