Modelling the Doughnut of social and planetary boundaries with frugal machine learning
创建于 更新于
摘要
本文提出并验证了“节俭型”机器学习方法在简化生态宏观经济模型（Doughnut 框架）中的两类应用：1）用随机森林分类器识别使模型落入 Doughnut 的输入参数区域；2）用 Q-learning 找到从任意起点到该区域的最优政策路径。结果表明，浅层 RFC 能准确定位可持续参数段，基于森林的“agreement”算法可对参数区间进行排序和解释，且 RL 代理能学习到规避不可取状态的长期转移策略，表明可将这些方法扩展到更复杂的模型（如 COMPASS）中以进行政策测试 [page::1][page::2][page::3].
