Machine learning insights: Analyzing factors influencing happiness score

Abstract

This case study aims to examine the World Happiness Report dataset, focusing on identifying key factors that significantly influence life happiness scores. It posits that happiness serves as a vital goal for both governments and individuals and acts as a reliable indicator of societal development. Utilizing supervised machine learning techniques, specifically regression and classifications models, this study classifies and selects essential features. The findings, derived from comprehensive data analysis, highlight GDP per capita as the foremost determinant of life happiness, followed by health life expectancy. The study's outcomes are substantiated through various performance metrics, ensuring the validity of the obtained data.

Este caso de estudo visa examinar o conjunto de dados do Relatório Mundial da Felicidade, focando na identificação de fatores-chave que influenciam significativamente as pontuações da felicidade na vida. A felicidade serve como um objetivo vital tanto para governos quanto para indivíduos e atua como um indicador confiável do desenvolvimento social. Utilizando técnicas de machine learning, especificamente modelos de regressão e classificação, este estudo classifica e seleciona características essenciais. Os resultados, derivados de uma análise de dados abrangente, destacam que o PIB per capita como o principal determinante da felicidade na vida, seguido pela expectativa de vida. Os resultados do estudo são substanciados através de várias métricas de desempenho, assegurando a validade dos dados obtidos.