Библиографическое описание:Кластеризация регионов с целью государственной поддержки агропромышленного комплекса на основе методов машинного обучения : научное издание / А. Р. Семенова, Ю. И. Черкасова. - Текст : непосредственный // Журнал Сибирского федерального университета. Серия: Гуманитарные науки. - 2026. - Т.19, №6. - С. 1293-1305. - ISSN 1997-1370. - ISSN 2313-6014.
Аннотация:В статье предлагается использовать методы машинного обучения для кластеризации агропромышленного комплекса (АПК) с целью предоставления государственной финансовой поддержки. На основе данных о растениеводстве по 82 субъектам РФ за 2024 г. проведена кластеризация и классификация регионов РФ с помощью алгоритмов K-Means и RandomForestClassifier. Для предсказания объема продукции сельского хозяйства использована модель CatBoost с предварительным feature engineering. Показано, что регионы четко разделяются на четыре кластера: сверхлидеры, лидеры, средние и отстающие. Модель классификации демонстрирует высокую предсказательную способность (accuracy = 0.9048). Полученные результаты позволяют обосновать дифференцированные меры государственной поддержки АПК.
The article proposes using machine learning methods for clustering the agricultural sector to provide state financial support. Based on crop production data from 82 constituent entities of the Russian Federation for 2024, clustering and classification of Russian regions were performed using the K-Means and RandomForestClassifier algorithms. To predict the volume of agricultural output, a CatBoost model with preliminary feature engineering was used. It is shown that the regions are clearly divided into four clusters: super-leaders, leaders, middle, and lagging. The classification model demonstrates high predictive ability (accuracy = 0.9048). The obtained results provide a rationale for differentiated state support measures for the agricultural sector.
