Himmelreich

right-tool-administrative-errors.pdf - Johannes Himmelreich

本文探讨了机器学习在多大程度上可用于检测管理错误。本文集中讨论了失业保险 (UI) 决策中的行政错误，这些错误导致了效率和效力之间的公共价值观冲突。首先在美国 UI 制度的历史中描述了这种冲突，然后强调了这种冲突。机器学习不仅可以缓解这种冲突，而且还可以帮助打击欺诈并减少与 COVID-19 大流行等经济危机相关的索赔积压。本文使用了 2002 年至 2018 年美国各地不当 UI 支付的数据来分析随机森林和深度学习模型的准确性。我们发现，使用梯度下降增强的随机森林模型在几个方面比测试的每个深度学习模型都更准确。这一发现可以通过机器学习方法与可用数据之间的拟合优度来解释。或者，对公开可访问的索赔数据的必要限制可能会削弱深度学习的性能。