训练机器学习模型刻画弱势社区的时间演化
计算机与社会
2023-03-08 v1 人工智能
机器学习
摘要
由美国能源部（DOE）的 Justice40 倡议所定义的弱势社区（DAC）标识了美国各地的普查区，以确定气候与能源投资惠益当前正在或未能惠及的地区。DAC 状态不仅有助于确定未来 Justice40 相关投资的资格，对于探索实现资源公平分配的途径也至关重要。然而，设计包容且公平的战略不仅需要对当前人口统计的良好理解，还需对多年来这些人口统计所发生的转变进行深入分析。本文在近年公开可用的普查数据上训练机器学习（ML）模型，以在普查区层面分类 DAC 状态，随后将训练好的模型用于历史年份的 DAC 状态分类。本研究给出了特征与模型选择的详细分析，以及 2013 至 2018 年间弱势社区的演化情况。
引用
@article{arxiv.2303.03677,
title = {Training Machine Learning Models to Characterize Temporal Evolution of Disadvantaged Communities},
author = {Milan Jain and Narmadha Meenu Mohankumar and Heng Wan and Sumitrra Ganguly and Kyle D Wilson and David M Anderson},
journal= {arXiv preprint arXiv:2303.03677},
year = {2023}
}