Atonsu

机器学习助力加纳废物管理和健康风险应对

一项新研究探讨了利用机器学习解决加纳固体废物管理问题。研究人员开发了一种随机森林分类器，根据废物处理方式和人口统计数据预测疾病类别，宏观F1分数达到0.63。此外，还训练了一个MobileNetV2模型，利用视觉识别实现自动化废物分类，准确率达到88.2%，宏观F1分数达到0.87。这些发现突显了人工智能在资源受限环境中进行健康风险预测和废物管理的潜力，同时也强调了有效实施所需的机构支持。