使用可解释机器学习方法研究国际移民的驱动因素
物理与社会
2020-06-08 v1 机器学习
摘要
全球日益增长的移民压力要求新的建模方法以设计有效政策。不仅需要有高效的模型预测移民流，还需理解特定参数如何影响这些流动。本文中，我们提出一种人工神经网络（ANN）来建模国际移民。此外，我们使用一种解释机器学习模型的技术，即部分依赖图（PDP），以表明可以很好地研究国际移民背后驱动因素的影响。我们在包含 1960 年至 2010 年从 175 个原籍国到 33 个主要为 OECD 目的地国的年度国际双边移民数据集上训练并评估模型，数据含移民文献中确定的主要决定因素。所开展的实验证实：1）ANN 模型相较传统模型更高效；2）使用 PDP 我们能够获得关于移民驱动因素具体效应的额外洞见。该方法比以往工作仅使用特征重要性信息提供了更多信息。
引用
@article{arxiv.2006.03560,
title = {Using an interpretable Machine Learning approach to study the drivers of International Migration},
author = {Harold Silvère Kiossou and Yannik Schenk and Frédéric Docquier and Vinasetan Ratheil Houndji and Siegfried Nijssen and Pierre Schaus},
journal= {arXiv preprint arXiv:2006.03560},
year = {2020}
}