如何机器学习可以提高公共政策

　　

        原文：如何机器学习可以提高公共政策？

　　首先：总有一种新的 “新事物”。特别是在社会部门。这些机器学习工具确实值得关注?

　　是的,这就是我们从我们自己证明了概念项目结束后，将机器学习到超过一万元的保证金的诉讼案件的数据集(与Himabindu Lakkaraju和斯坦福大学的法理Leskovec联合工作)。被捕后不久，法官有权决定：将被告等待他们的命运法律在家里?还是必须在监狱里等待?这是个不小的问题。一个典型的监狱逗留为两至三个月。在作出这一改变人生的决定，根据法律规定，法官必须作出一个预测：如果发布，将被告换取他们出庭，否则将跳过法庭?并将他们可能再次犯罪?

　　我们发现，有相当大的提升空间法官的预测。我们的预测表明，如果我们使用的风险我们的算法的预测，而不是依赖于法官的直觉做审前释放的决定，我们可以通过高达25%的减少释放被告所犯的罪行，而不必坐牢的任何其他人。或者，在不增加犯罪率在所有的，我们可以减少入狱高达42%的人。拥有12亿人口，每年被捕，在美国，这种类型的工具可以让我们减少了监狱人口几百万人。而这种干预也相对便宜。相较于投资数百万(甚至上亿)美元到更多的社会计划或警察的统计分析已经存在的行政数据集的成本是下到什么。此外，与许多其他的建议，以改善社会，机器学习工具轻松扩展。

　　截至目前，政策制定者习惯于听到在推销这样的要求，他们应该适当提高一些怀疑。其中一个原因，很难成为机器学习的解决方案好买家的是，有这么多的夸大索赔。这不是人们故意虚报从他们的算法的结果。事实上，应用公知的机器学习算法，以一个数据集常常是这些项目的最直接的一部分。这是更加困难的一部分，我们有我们自己的保释项目奋斗了数年的原因，准确地评估任何新算法对政策结果的潜在影响。我们希望这篇文章，它借鉴了我们应用机器学习政策问题的经验的其余部分，将帮助您更好地评估这些推销，让你的关键买家为好。