SustainBench：利用机器学习监测可持续发展目标的基准
机器学习
2021-11-09 v1 计算机视觉与模式识别
摘要
联合国可持续发展目标（SDGs）的进展一直受到关键环境和社会经济指标数据缺乏的阻碍，这些指标历史上来自地面调查，其时间和空间覆盖稀疏。机器学习的最新进展使得利用丰富、频繁更新且全球可用的数据（如来自卫星或社交媒体）成为可能，从而提供关于SDGs进展的洞察。尽管早期结果令人鼓舞，但迄今为止使用此类数据进行SDG测量的方法大多在不同数据集上评估或使用了不一致的评估指标，难以理解性能是否在提升以及额外研究在何处最具成效。此外，处理卫星和地面调查数据需要机器学习界许多人所缺乏的领域知识。在本文中，我们介绍了SustainBench，一个涵盖7个SDG的15个基准任务的集合，包括与经济发展、农业、健康、教育、水与卫生、气候行动和陆地生物相关的任务。15个任务中11个的数据集首次公开发布。我们对于SustainBench的目标是：（1）降低机器学习界贡献于测量和实现SDGs的进入门槛；（2）为跨多种SDG的任务评估机器学习模型提供标准基准；（3）鼓励开发新的机器学习方法，其中改进模型性能可促进朝向SDGs的进展。
引用
@article{arxiv.2111.04724,
title = {SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning},
author = {Christopher Yeh and Chenlin Meng and Sherrie Wang and Anne Driscoll and Erik Rozi and Patrick Liu and Jihyeon Lee and Marshall Burke and David B. Lobell and Stefano Ermon},
journal= {arXiv preprint arXiv:2111.04724},
year = {2021}
}
备注
NeurIPS 2021 (Track on Datasets and Benchmarks)