研究人员开发了一种机器学习方法,用于审计南亚地区人口与健康调查(DHS)项目中家庭暴力调查的选择过程。通过分析来自阿富汗、印度、缅甸、尼泊尔和巴基斯坦的超过796,000名女性的人口统计、社会经济和家庭特征,他们确定了六种不同的画像。HistGradientBoosting模型取得了0.9167的高ROC-AUC,显著优于基线模型,并证明了可解释的机器学习可以超越传统的抽样设计,增强敏感调查模块的审计。 AI
影响 展示了机器学习如何提高敏感数据收集过程的严谨性和透明度。
排序理由 学术论文,详细介绍了机器学习在审计调查数据方面的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]
- Afghanistan
- Demographic and Health Surveys
- HistGradientBoosting
- India
- Mohammad Abu Obaida Mullick
- Myanmar
- Nepal
- Pakistan
- South Asia
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →