随着我国宏观经济环境的变化,尤其是国民收入分配不平等的水平扩大,以前的粗放式的以区域开发为主的扶贫模式已经不能满足当前的形势。同时,随着扶贫开发工作的不断推进和扶贫力度的不断加大,农村容易脱贫的地区和人口基本已经脱离贫困,剩余贫困地区和贫困人口在致贫原因和贫困性质方面表现出了明显的复杂性。基于农村目前的贫困现状,党的十八大第五次全体会议通过的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》提出,到2020年实现“我国现行标准下农村贫困人口实现脱贫,贫困县全部摘帽,解决区域性整体贫困”的扶贫开发目标,针对此目标和过去的粗放式扶贫,提出了一系列的精准扶贫政策,旨在能够对贫困人口的致贫原因进行精准的识别,以做出对贫困人口的精准帮扶。甘肃省是一个传统的农业大省,也是我国西部的一个欠发达的省份,在全国贫困发生率较高。在精准扶贫的目标下,甘肃省的扶贫任务异常艰巨。为实现这一目标,首先要对贫困户精准识别。本次研究是基于甘肃省86个县(区)的入户调查数据,采用四种机器学习方法,即决策树分类模型、随机森林模型、逻辑回归分类和神经网络模型,分别对其进行贫困户分类的实证研究。实证过程做了如下主要工作:一是对数据进行梳理清洗,并做探索性分析,确定样本按照是否为低保户来标记是否为贫困户;二是对实证过程中采用的四种有监督机器学习方法进行介绍,并指出其优缺点,为后续识别结果比较提供参照;三是分别采用四种不同的模型对样本数据进行分类识别,并用分类的准确率、混合矩阵以及ROC图共同对四种模型结果进行评价。实证结果证明随机森林模型识别贫困户表现最优。并以此希望为甘肃省的扶贫工作提供有价值的参考。