用于失业建模的变分贝叶斯生存分析
应用统计
2021-07-27 v2 人工智能
摘要
失业动态的数学建模试图预测求职者找到工作的概率随时间的变化。这通常通过利用失业记录中的信息来实现。这些记录是右删失的，使得生存分析成为参数估计的合适方法。所提出的模型使用深度人工神经网络 (ANN) 作为非线性风险函数。通过嵌入，高效地分析了高基数类别特征。采用变分贝叶斯方法估计 ANN 参数的后验分布。该模型在斯洛文尼亚公共就业服务机构提供的 2011 年至 2020 年的时间到就业数据集上进行评估。它用于确定记录中每个个体随时间的就业概率。类似模型可应用于其他具有多维、高基数类别特征且包含删失记录的问题。此类数据常出现在个人记录中，例如医疗记录。
引用
@article{arxiv.2102.02295,
title = {Variational Bayes survival analysis for unemployment modelling},
author = {Pavle Boškoski and Matija Perne and Martina Rameša and Biljana Mileva Boshkoska},
journal= {arXiv preprint arXiv:2102.02295},
year = {2021}
}