预测慢性无家可归者：比较算法的重要性使用客户历史
摘要：如何评估预测慢性无家可归的算法，以便识别住房计划的优秀候选者是本研究的重点。预测方法可以快速将潜在慢性收容所用户转介到住房，但有时也会错误地识别那些不会变成慢性无家可归的个体（假阳性）。我们使用收容所使用历史记录来证明，这些假阳性通常仍然是住房的好候选者。使用这种方法，我们比较了简单的阈值法预测慢性无家可归与更复杂的逻辑回归和神经网络算法。虽然传统的二分类性能指标显示机器学习算法优于阈值技术，但通过三种算法确定的群体的收容所使用历史记录表明它们选择了具有非常相似特征的群体。这对于资源有限的非盈利组织具有重要意义，因为阈值技术可以使用比机器学习算法更简单的信息技术基础设施实施。
作者：Geoffrey G. Messier, Caleb John, Ayush Malik
论文ID：2105.15080
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-03-28