面向城市规划的人类在环机器学习方法：识别萨拉瓦纳的空置、废弃和恶化财产
机器学习
2024-09-04 v2 物理与社会
摘要
管理空置、废弃和恶化（VAD）财产的策略对于维持健康的社区至关重要。然而，识别这些财产的过程可能具有挑战性。本文创建了一个称为 VADecide 的人类在环机器学习（HITLML）模型，并将其应用于萨拉瓦纳地区的 parcel 级别案例研究。结果表明，与在训练中不使用人类输入的机器学习模型相比，HITLML 方法实现了更高的预测准确率。HITLML 方法还揭示了机器与人类生成结果之间的差异。我们的发现有助于了解 HITLML 在城市规划中的优势与挑战。[已接受在同行评审期刊上发表]
引用
@article{arxiv.2407.11138,
title = {Lessons from a human-in-the-loop machine learning approach for identifying vacant, abandoned, and deteriorated properties in Savannah, Georgia},
author = {Xiaofan Liang and Brian Brainerd and Tara Hicks and Clio Andris},
journal= {arXiv preprint arXiv:2407.11138},
year = {2024}
}