应用于美国立法机构两极分化的机器学习算法比较
计算机与社会
2020-08-11 v1 机器学习
摘要
我们提出了一种测量美国州立法机构两极分化的新方法，并对三种不同机器学习算法进行了实验比较。我们的方法严格依赖公共数据源和开源软件。结果表明，在预测州众议院和州参议院立法机构两极分化方面，人工神经网络回归相较于支持向量机和普通最小二乘回归均取得了最佳结果。除技术研究结论外，我们还评估了更广泛的影响，以强调可获取信息对于促进公民责任这一更高目标的重要性。
引用
@article{arxiv.2008.04072,
title = {A Comparison of Machine Learning Algorithms Applied to American Legislature Polarization},
author = {Gabriel Mersy and Vincent Santore and Isaac Rand and Corrine Kleinman and Grant Wilson and Jason Bonsall and Tyler Edwards},
journal= {arXiv preprint arXiv:2008.04072},
year = {2020}
}
备注
6 pages, to be presented at IEEE 21st International Conference on Information Reuse and Integration for Data Science (IRI 2020)