一种用于识别墨西哥公共采购合同中腐败行为的机器学习模型

政府腐败的成本和影响小至损害国家经济增长，大至影响公民的福祉与安全。政府各部门与私营部门之间的公共合同，即公共采购，是腐败行为的滋生地，在全球范围内造成了巨大的金钱损失。因此，识别和遏制政府与私营部门之间的腐败活动至关重要。然而，由于若干因素，公共采购中的腐败难以识别和追踪，导致腐败行为未被察觉。本文提出了一种基于随机森林分类器集成的机器学习模型，我们称之为超森林（hyper-forest），用于识别和预测墨西哥公共采购数据中的腐败合同。该方法的结果正确地检测出了数据集中评估的大部分腐败与非腐败合同。此外，我们发现模型中考虑的最关键预测变量是与买方和供应商之间关系相关的变量，而非与单个合同特征相关的变量。同时，本文提出的方法具有足够的通用性，可使用其他国家的数据进行训练。总体而言，我们的工作提供了一种工具，可辅助识别、预测和分析公共采购合同中的腐败行为的决策过程。