論文の概要: Preventing Eviction-Caused Homelessness through ML-Informed Distribution of Rental Assistance
- arxiv url: http://arxiv.org/abs/2403.12599v1
- Date: Tue, 19 Mar 2024 10:09:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 14:33:18.705476
- Title: Preventing Eviction-Caused Homelessness through ML-Informed Distribution of Rental Assistance
- Title（参考訳）: ML-Informed Distribution of Rental Assistance による自家不自由感の予防
- Authors: Catalina Vajiac, Arun Frey, Joachim Baumann, Abigail Smith, Kasun Amarasinghe, Alice Lai, Kit Rodolfa, Rayid Ghani,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.739904035605442
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rental assistance programs provide individuals with financial assistance to prevent housing instabilities caused by evictions and avert homelessness. Since these programs operate under resource constraints, they must decide who to prioritize. Typically, funding is distributed by a reactive or first-come-first serve allocation process that does not systematically consider risk of future homelessness. We partnered with Allegheny County, PA to explore a proactive allocation approach that prioritizes individuals facing eviction based on their risk of future homelessness. Our ML system that uses state and county administrative data to accurately identify individuals in need of support outperforms simpler prioritization approaches by at least 20% while being fair and equitable across race and gender. Furthermore, our approach would identify 28% of individuals who are overlooked by the current process and end up homeless. Beyond improvements to the rental assistance program in Allegheny County, this study can inform the development of evidence-based decision support tools in similar contexts, including lessons about data needs, model design, evaluation, and field validation.
- Abstract（参考訳）: レンタル支援プログラムは、退去やホームレスの回避による住宅の不安定化を防ぐために、個人に財政援助を提供する。
これらのプログラムはリソース制約の下で動作するため、誰が優先順位を付けるかを決めなければなりません。
一般的に、資金は、将来のホームレスのリスクを体系的に考慮しない、リアクティブまたはファーストカムファーストのサービス割り当てプロセスによって分配される。
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、支援を必要としている個人を正確に識別するMLシステムは、人種や性別を公平かつ公平にしながら、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。
さらに、我々のアプローチでは、現在のプロセスで見落とされ、最終的にはホームレスになる個人の28%を特定します。
この研究は、アレゲーニー郡の賃貸支援プログラムの改善以外にも、データニーズ、モデル設計、評価、フィールドバリデーションなど、同様の状況下でのエビデンスベースの意思決定支援ツールの開発に役立てることができる。
関連論文リスト
- Towards Harmless Rawlsian Fairness Regardless of Demographic Prior [57.30787578956235]
トレーニングセットに事前の人口統計が提供されない場合に,有効性を損なうことなく公平性を達成する可能性を探る。
本稿では,経験的損失の最適セット内でのトレーニング損失の分散を最小限に抑えるため,VFairという簡単な手法を提案する。
論文 参考訳（メタデータ） (2024-11-04T12:40:34Z) - Learning Optimal and Fair Policies for Online Allocation of Scarce
Societal Resources from Data Collected in Deployment [5.0904557821667]
当社は、予算制約を満たしつつ、期待される成果を最大化するオンラインポリシーを設計するために、デプロイメントで収集された管理データを使用します。
当社の政策は,ホームレスからの退去率を1.9%向上させ,人種ごとの配分や結果に公平な政策は,フェアネスの非常に低い価格で得られることを示す。
論文 参考訳（メタデータ） (2023-11-23T01:40:41Z) - Nash Welfare and Facility Location [82.81742334337336]
沿線にエージェントを配置する施設を配置することの問題点を考察する。
エージェントのユーティリティの産物として定義されたナッシュの福祉目的機能は、公正性と効率性の妥協をもたらすことが知られている。
論文 参考訳（メタデータ） (2023-10-06T09:06:44Z) - CoSDA: Continual Source-Free Domain Adaptation [78.47274343972904]
ソースデータにアクセスせずに、ソースフリードメイン適応(SFDA)は、ソースドメインのトレーニングされたモデルからターゲットドメインに知識を転送する。
最近では、ソースドメインのデータプライバシ保護の必要性から、SFDAの人気が高まっている。
教師-学生モデルペアを2倍高速に最適化し,整合性学習機能を備えた,CoSDAという連続的ソースフリードメイン適応手法を提案する。
論文 参考訳（メタデータ） (2023-04-13T15:53:23Z) - Equity Promotion in Public Transportation [18.057286025603055]
本研究は,エクイティ・プロモーション目的のために,この2つのアプローチを一体化するための最適化モデルを提案する。
我々は線形プログラミング(LP)に基づくラウンドリングアルゴリズムを設計し、最適近似比が1-1/eであることを証明する。
実験により,我々の理論予測を検証し,社会資本の促進に向けたLPベースの戦略の有効性を実証した。
論文 参考訳（メタデータ） (2022-11-26T10:06:00Z) - Prioritizing emergency evacuations under compounding levels of
uncertainty [34.71695000650056]
民間避難に備えたチームを対象とした危機前訓練のための意思決定支援ツールの提案と分析を行う。
我々は多種多様なマルコフ決定過程(MDP)を用いて、複雑な不確実性のレベルを捉える。
モデル不確実性の複合レベルを考慮すると、政策性能の改善なしに複雑さが増すことが示される。
論文 参考訳（メタデータ） (2022-09-30T21:01:05Z) - Bounding Counterfactuals under Selection Bias [60.55840896782637]
本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。
選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
論文 参考訳（メタデータ） (2022-07-26T10:33:10Z) - A Matching Mechanism for Provision of Housing to the Marginalized [0.0]
地域社会の非住宅に効率的に住宅を割り当てる取り組みを改善するための解決策を提案する。
この自動化ソリューションは、非住宅者への住宅割当に必要な資金と人員の削減につながると我々は主張する。
論文 参考訳（メタデータ） (2022-03-03T01:34:36Z) - Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive
Person Re-Identification [54.174146346387204]
ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。
擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。
本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
論文 参考訳（メタデータ） (2021-12-28T07:40:12Z) - Coordinated Online Learning for Multi-Agent Systems with Coupled
Constraints and Perturbed Utility Observations [91.02019381927236]
本研究では, 資源制約を満たすため, エージェントを安定な集団状態へ誘導する新しい手法を提案する。
提案手法は,ゲームラグランジアンの拡張によるリソース負荷に基づく分散リソース価格設定手法である。
論文 参考訳（メタデータ） (2020-10-21T10:11:17Z) - Equitable Allocation of Healthcare Resources with Fair Cox Models [10.648355672051142]
我々は生存モデルとそれに対応するコックス比例ハザードモデルに対する公平性定義を開発する。
本稿では,2つのサバイバルデータセットの公平性と予測精度の観点から,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-10-14T06:08:15Z)
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。