贫困问题是当今世界最尖锐的社会问题之一,一直受到各国政府的高度关注。伴随着农村脱贫战略如火如荼的进行,城市贫困问题也逐步进入公众的视野,引起大家的关注。2018年3月,江西省率先在全国出台了《关于加大城镇贫困群众脱贫解困力度的意见》,明确要将城镇贫困群众纳入脱贫解困的工作范围,全面帮助城镇贫困群众脱贫解困。党的十九大指出:“从现在到2020年,是全面建成小康社会决胜期”。如果城镇贫困问题得不到解决,这一问题将会成为建成全面小康社会发展路上的绊脚石。因此,本文使用中国家庭追踪调查(CFPS)最新一轮的调查数据CFPS2018数据库来对城镇家庭贫困识别问题进行研究。首先,本文在现有对农村家庭贫困识别研究的基础上,参考农村多维贫困指数(MPI),结合我国城镇贫困现状和城镇家庭特点,最终从人口特征、健康、教育、基本生活保障、生活状况五个维度构建了城镇家庭贫困识别指标体系,其中人口特征维度包含家庭规模、年龄结构、劳动力占比三个指标,健康维度下选择的是健康度这一指标,教育维度下选择的是受教育程度这一指标,基本生活保障包含饮用水、用电、燃料三个指标,生活状况维度包含人均年收入、个人所得税、恩格尔系数、耐用消费品、人均住房面积、生活保障、医疗保障七个指标。在构建了指标体系之后,结合CFPS数据库的内容,确定自变量和因变量,并通过列联表卡方检验和独立样本t检验,验证了各变量与城镇家庭贫困具有相关性。其次,将经过预处理后的样本数据进行3:7的比例划分测试集和训练集,通过训练集建立识别城镇家庭贫困的逻辑回归、决策树、随机森林、支持向量机等模型;通过测试集来验证这些模型的分类预测能力。最终四个模型预测的准确率均在94%左右,说明本文所构建的指标体系具有一定的科学性;另外,逻辑回归和随机森林模型的预测准确率要优于决策树和支持向量机模型。最后,通过分类模型评估的准确率、正例命中率、负例命中率、召回率、特异性、F1值等指标进行比较,我们得出逻辑回归和随机森林模型在本文城镇家庭贫困识别中更为有效,预测准确率和稳定性都要优于其他模型。