論文の概要: Using an interpretable Machine Learning approach to study the drivers of
International Migration
- arxiv url: http://arxiv.org/abs/2006.03560v1
- Date: Fri, 5 Jun 2020 17:13:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 04:28:20.268554
- Title: Using an interpretable Machine Learning approach to study the drivers of
International Migration
- Title(参考訳): 解釈可能な機械学習手法による国際移動のドライバの研究
- Authors: Harold Silv\`ere Kiossou, Yannik Schenk, Fr\'ed\'eric Docquier,
Vinasetan Ratheil Houndji, Siegfried Nijssen, Pierre Schaus
- Abstract要約: 我々は,国際移住をモデル化する人工知能ニューラルネットワーク(ANN)を提案する。
我々は、機械学習モデルを解釈する手法を用いて、国際移住の背後にあるドライバーの影響を十分に研究できることを示す。
- 参考スコア(独自算出の注目度): 11.318307426609936
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Globally increasing migration pressures call for new modelling approaches in
order to design effective policies. It is important to have not only efficient
models to predict migration flows but also to understand how specific
parameters influence these flows. In this paper, we propose an artificial
neural network (ANN) to model international migration. Moreover, we use a
technique for interpreting machine learning models, namely Partial Dependence
Plots (PDP), to show that one can well study the effects of drivers behind
international migration. We train and evaluate the model on a dataset
containing annual international bilateral migration from $1960$ to $2010$ from
$175$ origin countries to $33$ mainly OECD destinations, along with the main
determinants as identified in the migration literature. The experiments carried
out confirm that: 1) the ANN model is more efficient w.r.t. a traditional
model, and 2) using PDP we are able to gain additional insights on the specific
effects of the migration drivers. This approach provides much more information
than only using the feature importance information used in previous works.
- Abstract(参考訳): 移住圧力の増大は、効果的な政策を設計するために新しいモデリングアプローチを要求する。
マイグレーションフローを予測するための効率的なモデルだけでなく、特定のパラメータがこれらのフローに与える影響を理解することも重要です。
本稿では,国際移住をモデル化する人工知能ニューラルネットワーク(ANN)を提案する。
さらに,PDP(Partial Dependence Plots)と呼ばれる機械学習モデルの解釈手法を用いて,国際移動の背景にあるドライバの影響を十分に研究できることを示す。
我々は,国際二国間移動が1960ドルから2010ドル,原産地国が135ドル,oecdが中心となる335ドル,移行文献で特定される主要な要因を含むデータセット上でモデルを訓練し,評価した。
実験の結果、以下のことが確認された。
1) ANNモデルは従来のモデルよりも効率的である。
2) PDPを用いることで, マイグレーションドライバの具体的な影響について, さらなる知見を得ることができる。
このアプローチは、以前の作業で使用される機能重要情報のみを使用するよりも、はるかに多くの情報を提供する。
関連論文リスト
- Rethinking Human-like Translation Strategy: Integrating Drift-Diffusion
Model with Large Language Models for Machine Translation [15.333148705267012]
本稿では,人間翻訳者の動的意思決定を制約リソース下でエミュレートするために,Drift-Diffusion Modelを用いたThinkerを提案する。
WMT22とCommonMTのデータセットを用いて、高リソース、低リソース、コモンセンスの翻訳設定で実験を行う。
また,提案手法の有効性と有効性を示すために,コモンセンス翻訳のさらなる分析と評価を行う。
論文 参考訳(メタデータ) (2024-02-16T14:00:56Z) - Federated Learning with Projected Trajectory Regularization [65.6266768678291]
フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。
連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。
本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T02:12:08Z) - Seeking Neural Nuggets: Knowledge Transfer in Large Language Models from
a Parametric Perspective [114.70886320845715]
大規模言語モデル(LLM)は本質的に、広範囲なコーパスの事前学習を通じて、パラメータ内の豊富な知識を符号化する。
本稿では,パラメトリックの観点から,大規模モデルから小規模モデルへの知識伝達を実証的に検討する。
論文 参考訳(メタデータ) (2023-10-17T17:58:34Z) - Masked Path Modeling for Vision-and-Language Navigation [41.7517631477082]
ヴィジュアル・アンド・ランゲージ・ナビゲーション(VLN)エージェントは、自然言語の指示に従うことで現実世界の環境をナビゲートするように訓練されている。
以前のアプローチでは、トレーニング中に追加の監督を導入することでこの問題に対処しようと試みていた。
本稿では,下流ナビゲーションタスクに自己コンパイルデータを用いてエージェントを事前訓練する,マスク付きパスモデリング(MPM)手法を提案する。
論文 参考訳(メタデータ) (2023-05-23T17:20:20Z) - CDKT-FL: Cross-Device Knowledge Transfer using Proxy Dataset in
Federated Learning [19.4810285821324]
我々は,グローバルモデルとローカルモデル間の知識伝達の程度を研究するために,新しい知識蒸留に基づくアプローチを開発する。
提案手法は局所モデルの大幅な高速化と高いパーソナライズ性能を実現する。
論文 参考訳(メタデータ) (2022-04-04T14:49:19Z) - Evaluating natural language processing models with generalization
metrics that do not need access to any training or testing data [66.11139091362078]
本稿では,Hugingface から事前学習した大規模トランスフォーマーに対して,一般化指標を用いた最初のモデル選択結果を提案する。
ニッチな状況にもかかわらず、ヘビーテール(HT)の観点から派生したメトリクスは、特にNLPタスクにおいて有用である。
論文 参考訳(メタデータ) (2022-02-06T20:07:35Z) - Mixed-Lingual Pre-training for Cross-lingual Summarization [54.4823498438831]
言語間の要約は、ソース言語の記事に対する対象言語の要約を作成することを目的としている。
本稿では,翻訳のような言語間タスクと,マスク付き言語モデルのようなモノリンガルタスクの両方を活用する混合言語事前学習に基づくソリューションを提案する。
本モデルでは,2.82(中国語)と1.15(中国語,英語)のROUGE-1スコアを最先端の結果に対して改善する。
論文 参考訳(メタデータ) (2020-10-18T00:21:53Z) - Towards Accurate Knowledge Transfer via Target-awareness Representation
Disentanglement [56.40587594647692]
本稿では,TRED(Target-Awareness Representation Disentanglement)の概念を取り入れた新しいトランスファー学習アルゴリズムを提案する。
TREDは、対象のタスクに関する関連する知識を元のソースモデルから切り離し、ターゲットモデルを微調整する際、レギュレータとして使用する。
各種実世界のデータセットを用いた実験により,本手法は標準微調整を平均2%以上安定的に改善することが示された。
論文 参考訳(メタデータ) (2020-10-16T17:45:08Z) - VAE-LIME: Deep Generative Model Based Approach for Local Data-Driven
Model Interpretability Applied to the Ironmaking Industry [70.10343492784465]
モデル予測だけでなく、その解釈可能性も、プロセスエンジニアに公開する必要があります。
LIMEに基づくモデルに依存しない局所的解釈可能性ソリューションが最近出現し、元の手法が改良された。
本稿では, 燃焼炉で生成する高温金属の温度を推定するデータ駆動型モデルの局所的解釈可能性に関する新しいアプローチ, VAE-LIMEを提案する。
論文 参考訳(メタデータ) (2020-07-15T07:07:07Z) - An LSTM approach to Forecast Migration using Google Trends [7.621862131380908]
線形重力モデルを長期記憶(LSTM)アプローチに置き換え、既存の2つのアプローチと比較する。
LSTMアプローチとGoogle Trendsのデータを組み合わせることで、これらのモデルがさまざまな指標で優れています。
論文 参考訳(メタデータ) (2020-05-20T08:07:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。