論文の概要: A Rule Search Framework for the Early Identification of Chronic
Emergency Homeless Shelter Clients
- arxiv url: http://arxiv.org/abs/2205.09883v3
- Date: Wed, 26 Apr 2023 16:06:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 18:34:14.210293
- Title: A Rule Search Framework for the Early Identification of Chronic
Emergency Homeless Shelter Clients
- Title(参考訳): 慢性緊急時在宅シェルタークライアントの早期同定のためのルール検索フレームワーク
- Authors: Caleb John and Geoffrey G. Messier
- Abstract要約: 本稿では,長期ないし慢性的なシェルターユーザになるリスクのある緊急避難所クライアントの早期識別にルールサーチ手法を用いる。
北米の主要シェルターのデータセットに4万以上の個人との12年間のサービスインタラクションが含まれており、非順序探索アルゴリズムのための最適化されたプルーニングは、直感的で効果的なルールを開発するために使用される。
以上の結果から,慢性的なシェルター使用リスクのあるクライアントの識別に要する時間は297日から162日と低下した。
- 参考スコア(独自算出の注目度): 0.40611352512781856
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper uses rule search techniques for the early identification of
emergency homeless shelter clients who are at risk of becoming long term or
chronic shelter users. Using a data set from a major North American shelter
containing 12 years of service interactions with over 40,000 individuals, the
optimized pruning for unordered search (OPUS) algorithm is used to develop
rules that are both intuitive and effective. The rules are evaluated within a
framework compatible with the real-time delivery of a housing program meant to
transition high risk clients to supportive housing. Results demonstrate that
the median time to identification of clients at risk of chronic shelter use
drops from 297 days to 162 days when the methods in this paper are applied.
- Abstract(参考訳): 本稿では,長期ないし慢性的なシェルターユーザになるリスクのある緊急避難所クライアントの早期識別にルールサーチ手法を用いる。
4万人以上の個人との12年間のサービスインタラクションを含む、北米の主要シェルターのデータセットを使用して、unordered search(opus)アルゴリズムを最適化したpruningは、直感的かつ効果的なルールを開発するために使用される。
ルールは、リスクの高いクライアントを支援的な住宅に移行するための住宅プログラムのリアルタイム配信と互換性のあるフレームワーク内で評価される。
その結果, 本研究の手法を適用した場合, 慢性シェルター使用リスクのクライアント識別の中央値が297日から162日に低下することが認められた。
関連論文リスト
- DP-RuL: Differentially-Private Rule Learning for Clinical Decision Support Systems [8.368551394381972]
プライバシ保護CDSSの目標は、個々のクライアントのローカルルールセットから集団ルールセットを学ぶことだ。
本稿では,この問題に焦点をあてた最初の研究と,地域差分プライバシーを用いた集団ルールセット学習フレームワークの開発について述べる。
我々は,3つの臨床データセットを用いてアプローチを評価し,低プライバシー損失予算においても,高いカバレッジ(ルールの幅)と臨床的有用性で人口規則を学習できることを見出した。
論文 参考訳(メタデータ) (2024-05-15T22:31:29Z) - A Bayesian Approach for Prioritising Driving Behaviour Investigations in Telematic Auto Insurance Policies [0.6249768559720121]
旅行用GPSと加速度計データを地理空間情報で拡張し,配送用不完全な分類器をトリップ単位で訓練する。
後続確率は優先順位スコアに変換され、手動による調査において最も価値のある候補を選択するために使用された。
この手法は、手動検索と比較して人的資源配分の効率を大幅に改善した。
論文 参考訳(メタデータ) (2024-04-22T15:26:24Z) - Preventing Eviction-Caused Homelessness through ML-Informed Distribution of Rental Assistance [2.739904035605442]
われわれはアレゲニー郡と共同で、将来のホームレスのリスクに基づいて退去に直面している個人を優先する、積極的なアロケーションアプローチを模索した。
州と郡の行政データを用いて、支援が必要な個人を正確に識別するシステムでは、人種や性別を問わず公平かつ公平でありながら、より単純な優先順位付けアプローチを少なくとも20%向上させる。
論文 参考訳(メタデータ) (2024-03-19T10:09:41Z) - Continual Learning and Private Unlearning [49.848423659220444]
本稿では、継続学習とプライベートアンラーニング(CLPU)問題を定式化する。
これはCLPU問題を解決するための第一歩として、単純だが完全にプライベートなソリューションであるCLPU-DER++を紹介している。
論文 参考訳(メタデータ) (2022-03-24T02:40:33Z) - Frequent Itemset-driven Search for Finding Minimum Node Separators in
Complex Networks [61.2383572324176]
本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。
頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。
特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
論文 参考訳(メタデータ) (2022-01-18T11:16:40Z) - Post-Contextual-Bandit Inference [57.88785630755165]
コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。
研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。
研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
論文 参考訳(メタデータ) (2021-06-01T12:01:51Z) - Predicting Chronic Homelessness: The Importance of Comparing Algorithms
using Client Histories [0.34376560669160383]
より複雑なロジスティック回帰アルゴリズムとニューラルネットワークアルゴリズムとの比較を行った。
従来の二分分類性能指標では、機械学習アルゴリズムはしきい値法よりも優れた性能を示すが、3つのアルゴリズムで同定されたコホートのシェルターアクセス履歴を調べると、非常に類似した特徴を持つグループを選択することが示される。
論文 参考訳(メタデータ) (2021-05-31T16:09:43Z) - The Best Thresholds for Rapid Identification of Episodic and Chronic
Homeless Shelter Use [0.0]
本稿では、ホームレスの避難所アクセスパターンに基づいて、住宅サービスの顧客を最もよく識別する方法について考察する。
タイムウインドウ内での避難所数と避難所利用のエピソード数に着目し、これらの値に適用し、その個人が住宅支援のよい候補であるかどうかを判断する。
論文 参考訳(メタデータ) (2021-05-03T17:39:44Z) - C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods
Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。
C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。
新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文 参考訳(メタデータ) (2020-12-22T17:02:54Z) - Towards Safe Policy Improvement for Non-Stationary MDPs [48.9966576179679]
多くの実世界の利害問題は非定常性を示し、利害関係が高ければ、偽の定常性仮定に関連するコストは受け入れがたい。
我々は、スムーズに変化する非定常的な意思決定問題に対して、高い信頼性で安全性を確保するための第一歩を踏み出します。
提案手法は,時系列解析を用いたモデルフリー強化学習の合成により,セルドンアルゴリズムと呼ばれる安全なアルゴリズムを拡張した。
論文 参考訳(メタデータ) (2020-10-23T20:13:51Z) - Hide-and-Seek Privacy Challenge [88.49671206936259]
NeurIPS 2020 Hide-and-Seek Privacy Challengeは、両方の問題を解決するための新しい2トラックの競争だ。
我々の頭から頭までのフォーマットでは、新しい高品質な集中ケア時系列データセットを用いて、合成データ生成トラック(「ヒッシャー」)と患者再識別トラック(「シーカー」)の参加者が直接対決する。
論文 参考訳(メタデータ) (2020-07-23T15:50:59Z)
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。