基于机器学习世界各国幸福指数的统计分析

本文对2015年到2019年多个国家的幸福得分以及各项指标进行描述性分析,运用线性回归、决策树和随机森林模型对2015年到2019年全球幸福报告中多个国家的得分与各因变量的关系进行研究,并且经过测试得出最适合的模型,解释各个国家各指标的差异。结果显示,人均GDP、健康(预期寿命)、家庭、社会支持、反乌托邦残余、信任程度、自由和慷慨程度都和幸福得分呈正相关,决策树预测的效果与2020年的幸福得分最接近,预测效果最好。