序文: -------- これは、キーバ（Kiva）に対する私の貢献の一部であり、彼らが世界的な貧困緩和の取り組みを継続し拡大するのを支援するためのものです。 背景: -------- キーバが投資の優先順位を最適に設定し、貸し手に情報を提供し、対象コミュニティを理解するためには、各借入者の貧困レベルを知ることが重要です。しかし、個人レベルの情報を取得するのは時間と労力がかかり、費用もかかります。 そこで、私は機械学習と衛星画像を組み合わせて貧困を予測する方法を提案します。このアプローチは、衛星データがしばしば安価でオープンソースであるため、より簡単で費用がかからず、拡張性があります。このモデルを開発する前に、まず地域ごとの貧困を予測するのに関連するデータを収集する必要があります。そのために、私はこのデータセットを作成しました。 内容: -------- このデータセットは以下のデータの集合です。 1. 環境データ：植生指数、土壌特性、蒸発量 2. 気候データ：気温、降水量、標高 3. 社会経済および人口統計データ：人口密度、主要都市へのアクセス、夜間照明、土地利用 4. 紛争データ：紛争、死者数、民間人犠牲者 5. 自然災害データ（近日公開予定） 私はデータを以下の形式で提供しています。 - 個人レベルのデータ：ローン（kiva_loans）と多国貧困指数（MPI）調査セットの各地域について、上記のすべての情報を抽出しています。データはcsvファイル（MPIData_augmented.csv、kivaData_augmented.csv）で提供されます。 - ローンがある各国の積み重ね衛星画像。各国について、衛星画像はSatellite Imageryフォルダ内の.grdファイルとして提供されます。 使用方法: ------ もしあなたが衛星画像の取り扱いに不慣れなら、csvファイルを利用することをおすすめします。近い将来、衛星画像の取り扱いに関するチュートリアルを公開する予定です。何か質問があれば、投稿してください。できるだけ早く回答します。データに関する質問があれば、データ辞書を参照してください。 ドキュメント: ------ このデータセットのドキュメント化は、このデータセットを準備する過程が複雑で広範囲に及び、データソースも多岐にわたるため、進行中の作業です。特定の質問があれば投稿してください。できるだけ早く回答します。 今後の予定: ------ 前述のとおり、私はこのデータを使って、貧困国の任意の地域の貧困を予測できる機械学習モデルを構築する予定です！お楽しみに！