用于高维调查数据特征选择的模糊森林：以2020年美国总统大选为例
机器学习
2022-03-08 v1 机器学习
摘要
在社会科学领域，一个日益常见的方法论问题是高维且高度相关的数据集，这类数据难以适用传统的演绎研究框架。2020年总统大选中候选人选择的分析就是这一问题显现的领域之一：为了检验解释选举结果的诸多理论，有必要使用如2020年合作选举研究通用内容（2020 Cooperative Election Study Common Content）这样具有数百个高度相关特征的数据。我们提出模糊森林（Fuzzy Forests）算法，即流行的随机森林（Random Forests）集成方法的一种变体，作为在此类情况下以最小偏差缩减特征空间的高效方法，同时保持与随机森林和logit等常见算法相当的预测性能。利用模糊森林，我们分离出候选人选择的最强相关因素，发现党派极化是驱动2020年总统大选的最强因素。
引用
@article{arxiv.2203.02818,
title = {Fuzzy Forests For Feature Selection in High-Dimensional Survey Data: An Application to the 2020 U.S. Presidential Election},
author = {Sreemanti Dey and R. Michael Alvarez},
journal= {arXiv preprint arXiv:2203.02818},
year = {2022}
}
备注
Paper presented at The 3rd International Conference on Applied Machine Learning and Data Analytics, December 16-17 2021, where it was named the Best Paper of the conference