超越驱逐预测：利用局部时空公共记录信息以指导行动
机器学习
2024-01-31 v1 人工智能
摘要
近期有大量关注基于驱逐风险对财产进行评分的问题。驱逐预测方法的成功通常通过不同的预测准确性度量标准进行评估。然而，这类预测的根本目标是将适当的援助引导至可能面临更大风险的家庭，以便他们能够稳定居住。因此，我们必须问：这些预测在针对性地安排外展行动时有多大用处——即信息化行动。在本文中，我们使用一个新的数据集来回答这一问题，该数据集将财产、驱逐事件及房东信息进行了匹配。我们进行驱逐预测任务，以生成风险评分，然后利用这些风险评分来规划针对性外展政策。我们表明，风险评分确实有用，使团队在相同时间内能够覆盖更多具有驱逐风险的财产，而不像那些基于社区或聚焦近期有驱逐历史的建筑的外展政策。我们还讨论了在风险预测和针对性外展中，社区特征和房东特征的重要性。
引用
@article{arxiv.2401.16440,
title = {Beyond Eviction Prediction: Leveraging Local Spatiotemporal Public Records to Inform Action},
author = {Tasfia Mashiat and Alex DiChristofano and Patrick J. Fowler and Sanmay Das},
journal= {arXiv preprint arXiv:2401.16440},
year = {2024}
}