論文の概要: Predicting Propensity to Vote with Machine Learning

• arxiv url: http://arxiv.org/abs/2102.01535v1
• Date: Tue, 2 Feb 2021 15:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 10:03:35.313909
• Title: Predicting Propensity to Vote with Machine Learning
• Title（参考訳）: 機械学習による投票傾向の予測
• Authors: Rebecca D. pollard, Sara M. Pollard, Scott Streit
• Abstract要約: 機械学習は、個人が過去の行動や属性から投票する確率を推測することを可能にすることを実証する。 これは、投票者のアウトリーチ、投票者教育、投票者獲得キャンペーン(GOVT)のマイクロターゲット化に有用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We demonstrate that machine learning enables the capability to infer an individual's propensity to vote from their past actions and attributes. This is useful for microtargeting voter outreach, voter education and get-out-the-vote (GOVT) campaigns. Political scientists developed increasingly sophisticated techniques for estimating election outcomes since the late 1940s. Two prior studies similarly used machine learning to predict individual future voting behavior. We built a machine learning environment using TensorFlow, obtained voting data from 2004 to 2018, and then ran three experiments. We show positive results with a Matthews correlation coefficient of 0.39.
• Abstract（参考訳）: 機械学習は、過去の行動や属性から投票する個人の傾向を推測する能力を可能にすることを実証します。 これは、投票者のアウトリーチ、投票者教育、govtキャンペーンのマイクロターゲティングに有用である。 政治学者は1940年代後半から選挙結果を推定する高度な技術を発展させた。 2つの先行研究は機械学習を使って将来の投票行動を予測する。 TensorFlowを使った機械学習環境を構築し、2004年から2018年まで投票データを取得し、3つの実験を実施しました。 マシューズ相関係数 0.39 で陽性となった。

関連論文リスト

• Data as voters: instance selection using approval-based multi-winner voting [0.0]
  機械学習(あるいはデータマイニング)におけるインスタンス選択問題に対する新しいアプローチを提案する。 提案手法は,承認に基づく多票制選挙における(比例的な)表現に関する最近の結果に基づいている。
  論文  参考訳（メタデータ） (2023-04-19T22:00:23Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Novelty Detection for Election Fraud: A Case Study with Agent-Based Simulation Data [6.692240192392746]
  不正行為のないクリーンな選挙結果データセットと、不正行為の度合いの異なるデータセットを生成します。 このアルゴリズムは、投票結果の予測結果と実際の選挙結果の類似性を決定する。 シミュレーション手法と機械学習モデルの有効性を両立させ,不正領域の同定に成功した。
  論文  参考訳（メタデータ） (2022-11-29T08:46:36Z)
• Private Multi-Winner Voting for Machine Learning [48.0093793427039]
  本稿では,2進数,$tau$,Powerset投票の3つの新しいDPマルチウィンナ機構を提案する。 バイナリ投票は、構成を通じてラベルごとに独立して行われる。 $tau$ voting bounds vote in their $ell$ norm for tight data-independent guarantees。 パワーセット投票は、可能な結果をパワーセットとして見ることによって、バイナリベクター全体を操作する。
  論文  参考訳（メタデータ） (2022-11-23T20:06:46Z)
• Evaluating Machine Unlearning via Epistemic Uncertainty [78.27542864367821]
  本研究では,不確実性に基づく機械学習アルゴリズムの評価を行う。 これは私たちの最良の知識の一般的な評価の最初の定義です。
  論文  参考訳（メタデータ） (2022-08-23T09:37:31Z)
• Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
  クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。 近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。 そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-06-28T03:28:15Z)
• Expected Frequency Matrices of Elections: Computation, Geometry, and Preference Learning [58.23459346724491]
  我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。 分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
  論文  参考訳（メタデータ） (2022-05-16T17:40:22Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Multi-agent simulation of voter's behaviour [2.2043969529099097]
  本研究の目的は,投票方式による有権者行動のシミュレートである。 提案手法では, 投票過程を複数反復でモデル化するために, 投票結果を考慮したマルチエージェントシミュレーションを用いる。
  論文  参考訳（メタデータ） (2021-01-27T16:48:03Z)
• Forecasting elections results via the voter model with stubborn nodes [7.9603223299524535]
  我々は、英国の保守党と労働党、米国の共和党と民主党の投票シェアについて調べる。 モデルパラメータの時間進化的な見積もりを実行し、これらを使用して、どの選挙においても各政党の投票シェアを予測できます。
  論文  参考訳（メタデータ） (2020-09-22T15:36:59Z)

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。