Lessons from a human-in-the-loop machine learning approach for identifying vacant, abandoned, and deteriorated properties in Savannah, Georgia

要約

健全なコミュニティを維持するには、空家、放棄され、劣化した (VAD) 不動産の管理戦略に取り組むことが重要です。
ただし、これらのプロパティを特定するプロセスは難しい場合があります。
ここでは、VADecide と呼ばれるヒューマンインザループ機械学習 (HITLML) モデルを作成し、それをジョージア州サバンナの区画レベルのケース スタディに適用します。
この結果は、トレーニングで人間の入力を行わずに機械学習モデルを使用した場合よりも高い予測精度を示しています。
HITLML アプローチでは、機械が生成した結果と人間が生成した結果の違いも明らかになります。
私たちの調査結果は、都市計画における HITLML の利点と課題に関する知識に貢献します。
【査読誌に掲載受理されました】

要約(オリジナル)

Addressing strategies for managing vacant, abandoned, and deteriorated (VAD) properties is important for maintaining healthy communities. Yet, the process of identifying these properties can be difficult. Here, we create a human-in-the-loop machine learning (HITLML) model called VADecide and apply it to a parcel-level case study in Savannah, Georgia. The results show a higher prediction accuracy than was achieved when using a machine learning model without human input in the training. The HITLML approach also reveals differences between machine vs. human-generated results. Our findings contribute to knowledge about the advantages and challenges of HITLML in urban planning. [Accepted for Publication at a Peer Review Journal]

arxiv情報

提供元, 利用サービス

arxiv.jp, Google