Forecasting conflict in Africa with automated machine learning systems
Forecasting conflict in Africa with automated machine learning systems
复制标题
使用自动化机器学习系统预测非洲冲突
DOI：
10.1080/03050629.2022.2017290
复制
发表时间：
2022
影响因子：
1.3
通讯作者：
Lin, Yu
中科院分区：
文献类型：
--
作者：
D’Orazio, Vito;Lin, Yu
VieWS的问题是预测PRIO-GRID和国家一级今后六个月内每一个月基于国家的暴力水平的变化。为了这场比赛，并朝着改善地方和国家层面预测的目标，我们尝试了自动机器学习（autoML）系统和有限的数据集的组合，强调冲突的内生性。有两个核心发现：autoML提高了预测性能，Dynamics模型表现最好。用于动态模型的数据仅限于基于事件级暴力数据以及描述数据的空间和时间结构的数据构建的基于状态的暴力的度量。其目的是捕获空间和时间冲突动态，同时不过度拟合外部因素，这对于灵活的autoML算法和这里使用的高度分散的数据类型来说尤其有问题。在PGM级别，该模型赢得了ViEWS竞赛的“预测准确性”，并分享了“原创性”的胜利。除了VieWS竞赛之外，我们预计将先进的autoML系统与反映各种冲突动态的变量相结合的冲突预测模型将具有较高的预测性能，特别是在次国家和次年度聚合中。
The ViEWS problem is to forecast changes in the level of state-based violence for each of the next six months at the PRIO-GRID and country level. For this competition and toward the goal of improving sub-national and country level forecasts, we experiment with combinations of automated machine learning (autoML) systems and limited datasets that emphasize the endogenous nature of conflict. Two core findings emerge: autoML improves predictive performance and the Dynamics model performs best. The data used for the Dynamics model is limited to measures of state-based violence built from the event-level violence data plus those describing the spatial and temporal structure of the data. The intent is to capture spatial and temporal conflict dynamics while not overfitting to exogenous factors, which is especially problematic with flexible autoML algorithms and the types of highly disaggregate data used here. At the PGM level, this model won the ViEWS competition for “predictive accuracy” and split the win for “originality.” Beyond the ViEWS competition, we expect conflict forecasting models that couple advanced autoML systems with variables that reflect a diverse set of conflict dynamics to have high predictive performance, especially at sub-national and sub-annual aggregations.
登录
查看更多内容
争端、民主和依附：对康德和平的重新审视
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
M. Ward;Randolph M. Siverson;Xun Cao
通讯作者：
Xun Cao
中间还有更多暴力吗？
影响因子：
4.2
作者：
Z. Jones;Y. Lupu
通讯作者：
Y. Lupu
影响因子：
3.6
作者：
K. Gleditsch;M. Ward
通讯作者：
M. Ward
内战中暴力的扩散模式
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Sebastian Schutte;Nils B. Weidmann
通讯作者：
Nils B. Weidmann
使用状态空间模型预测政治暴力
影响因子：
1.3
作者：
A. Lindholm;J. Hendriks;A. Wills;Thomas Bo Schön
通讯作者：
Thomas Bo Schön