机构名称：
¥ 1.0
我们提出了一种最佳实施公共政策的程序，该政策涉及预测个人行为或特征。通过将任何给定分类模型的预测错误与所得的社会福利联系起来，我们提供了一个简单的措施来对不同的模型进行排名并选择最佳模型。这种措施定义为给定政策的社会福利与无错误政策的差异，并且与机器学习文献中使用的ROC曲线有关。我们通过考虑I型和II型错误的异质成本来扩展文献中描述的成本等法方法。我们将我们的方法应用于意大利自雇人士和独资经营的不准确纳税申报表的预测。我们表明，该方法可以导致收入大幅增加，而随机森林模型除了提供相对良好的预测之外，产生了重要的见解。在我们的案例中，它们都为现有的逃税理论提供了经验支持 - 例如，强调跨部门异质性，并扩展了我们对现象的理解，例如束缚的作用。
机器学习和基于预测的策略的优化
主要关键词
相关文件推荐
