跨文化的机器学习：面向贫困人群金融服务采纳的建模
机器学习
2016-06-17 v1 计算机与社会
摘要
近期，许多发展中经济体的移动运营商推出了“移动支付”平台，通过移动电话网络提供基础金融服务。尽管许多人认为这些服务可以改善贫困人群的生活，但一个持续的困难在于识别最有可能从这项新技术中受益的个体。在此，我们结合来自加纳、巴基斯坦和赞比亚三个不同移动运营商的 TB 级数据，以更好地理解移动支付采纳的行为决定因素。我们的监督学习模型深入揭示了在三种截然不同的文化中采纳行为的最佳预测因子。我们发现，在一个人群上拟合的模型无法泛化到另一个人群，且总体上高度依赖于具体情境。这些发现凸显了在理解面向贫困人群的金融服务的作用与潜力时，需要采用细致入微的方法。
引用
@article{arxiv.1606.05105,
title = {Machine Learning Across Cultures: Modeling the Adoption of Financial Services for the Poor},
author = {Muhammad Raza Khan and Joshua E. Blumenstock},
journal= {arXiv preprint arXiv:1606.05105},
year = {2016}
}
备注
This workshop paper summarizes results in a longer paper to be published in the proceedings of KDD 2016