Ključne reči : Mašinsko učenje, Indeks ljudskog razvoja, Analiza glavnih komponenti, Klasterizacija metodom K-srednjih vrednosti, Algoritam slučajnih šuma application/pdf 363836 bytes Radojičić, Dragana Stamenković, Mladen Apstrakt Indeks ljudskog razvoja je pokazatelj koji služi za rangiranje zemalja prema nivou njihovog ljudskog razvoja i predstavlja meru napretka zemlje u pogledu kvaliteta životnog standarda njenih stanovnika. U okviru ovog istrazivanja koristimo bazu podataka koja pruža informacije o indeksu ljudskog razvoja za 195 zemalja, kao i podatke o očekivanom životnom veku, predviđenim godinama školovanja i bruto nacionalnom dohotku, koji će biti ključni za dalja istraživanja. Ideja ovog rada je koristeći različite tehnike mašinskog učenja analiziramo komponente indeksa ljudskog razvoja, kao i socioekonomskih faktora koji utiču na razvoj zemalja. Rezultati grupisanja metodom K-srednjih vrednosti ukazuju da zemlje sa višim indeksom ljudskog razvoja i bruto domaćim proizvodu po glavi stanovnika pripadaju klasterima koji se razlikuju u poređenju sa onima sa nižim vrednostima, naglašavajući značajne socio-ekonomske razlike između dobijenih klastera. Dalje, posmatrane podatke analiziramo koristeći algoritam slučajnih šuma kako bi ispitali uticaj posmatranih komponenti na indeks ljudskog razvoja. ABSTRACT The Human Development Index is an indicator used to rank countries according to the level of their human development and is a measure of the country's progress in terms of the quality of living standards of its inhabitants. In this research, we use a database that provides information on the human development index for 195 countries, as well as data on life expectancy, projected years of schooling and gross national income, which will be key to further research. The idea of this paper is to use different machine learning techniques to analyze the components of the human development index, as well as socio-economic factors that influence the development of countries. The results of clustering using the K-means method indicate that countries with higher human development index and gross domestic product per capita belong to clusters that differ compared to those with lower values, highlighting significant socio-economic differences between the obtained clusters. Furthermore, we analyze the observed data using the random forest algorithm in order to examine the influence of the observed components on the human development index. All rights reserved info:eu-repo/semantics/conferenceProceedings srp Informaciono društvo Srbije 2025 31. NACIONALNA KONFERENCIJA u oblasti informaciono-komunikacionih tehnologija YU INFO 2025 startpage: 80 endpage: 83 Analiza indeksa ljudskog razvoja i njegovih komponenti korišćenjem metoda mašinskog učenja https://phaidrabg.bg.ac.rs/o:37514 ISBN: 978-86-85525-33-9