Ассистент-профессор статистики Пол Паркер разрабатывает новые статистические и машинные методы обучения для анализа сложных опросов, производимых федеральными статистическими агентствами. Этот проект будет сосредоточен на группе опросов, производимых Национальным центром статистики науки и инженерии (NCSES).
Современные методы машинного обучения позволили сделать гигантский прорыв в анализе больших данных, однако текущие технологии не приспособлены для изучения опросов, которые используют сложные методы выборки. С поддержкой трехлетнего гранта на 337 000 долларов от Национального научного фонда, ассистент-профессор статистики Пол Паркер будет разрабатывать статистические и машинные методы обучения, наиболее подходящие для анализа сложных опросов, проводимых федеральными статистическими агентствами.
Этот проект будет сосредоточен на группе опросов, производимых Национальным центром статистики науки и инженерии (NCSES), таких как Национальный опрос выпускников колледжей и Опрос заработанных докторов, которые помогают информировать важные официальные оценки населения. Вместо того чтобы выбирать население с равной вероятностью, эти и другие федеральные опросы обычно избыточно отбирают или недоотбирают из определенных групп.
Паркер создаст статистические методы для моделей машинного обучения, которые специально предназначены для учета дизайна опроса, уникального способа сбора данных. Он стремится воспользоваться возможностями технологии машинного обучения для создания гибких моделей данных, которые могут часто улучшить точность оценок населения.
