The most commonly used statistical

The most commonly used statistical models of civil war onset fail to correctly predict most occurrences of this rare event in out-of-sample data. Statistical methods for the analysis of binary data, such as logistic regression, even in their rare event and regularized forms, perform poorly at prediction. We compare the performance of Random Forests with three versions of logistic regression (classic logistic regression, Firth rare events logistic regression, and L-1-regularized logistic regression), and find that the algorithmic approach provides significantly more accurate predictions of civil war onset in out-of-sample data than any of the logistic regression models. The article discusses these results and the ways in which algorithmic statistical methods like Random Forests can be useful to more accurately predict rare events in conflict data.

ผลลัพธ์ (ไทย) 1:

โมเดลทางสถิติใช้บ่อยที่สุดของสงครามกลางเมืองโจมตีล้มเหลวอย่างถูกต้องทำนายเหตุการณ์ส่วนใหญ่ของเหตุการณ์นี้หายาก-ของตัวข้อมูล วิธีการทางสถิติสำหรับการวิเคราะห์ข้อมูลไบนารี เช่นการถดถอยโลจิสติก แม้ในเหตุการณ์ไม่ค่อยและแบบฟอร์ม regularized ทำงานที่คาดการณ์ เราเปรียบเทียบประสิทธิภาพของป่าสุ่มกับรุ่นที่สามของการถดถอยโลจิสติก (การถดถอยโลจิสติกคลาสสิก ท่วมเหตุการณ์ที่หายากถดถอยโลจิสติก และ L 1 regularized ถดถอยโลจิสติก), และค้นหาว่า วิธีอัลกอริทึมให้คาดคะเนถูกต้องมากขึ้นอย่างมีนัยสำคัญของการโจมตีในสงครามกลางเมืองในข้อมูลออกของอย่างว่าโมเดลถดถอยโลจิสติก บทความกล่าวถึงผลลัพธ์เหล่านี้ และวิธีที่อัลกอริทึมทางสถิติวิธีเช่นสุ่มป่าสามารถใช้การขึ้นทำนายเหตุการณ์ที่หายากในความขัดแย้งของข้อมูล

ผลลัพธ์ (ไทย) 2:

ที่ใช้กันมากที่สุดแบบจำลองทางสถิติของการโจมตีสงครามกลางเมืองล้มเหลวในการได้อย่างถูกต้องคาดการณ์ที่เกิดขึ้นมากที่สุดของเหตุการณ์ที่หายากนี้ในข้อมูลออกจากกลุ่มตัวอย่าง วิธีการทางสถิติสำหรับการวิเคราะห์ข้อมูลไบนารีเช่นการถดถอยโลจิสติกแม้จะอยู่ในเหตุการณ์และ regularized รูปแบบที่หายากของพวกเขาทำงานได้ไม่ดีในการทำนาย เราเปรียบเทียบประสิทธิภาพของสุ่มป่ากับรุ่นที่สามของการถดถอยโลจิสติก (ถดถอยคลาสสิกโลจิสติกท่วมเหตุการณ์ที่หายากการถดถอยโลจิสติกและ L-1-regularized ถดถอยโลจิสติ) และพบว่าวิธีการขั้นตอนวิธีการให้การคาดการณ์อย่างมีนัยสำคัญที่ถูกต้องมากขึ้นของการโจมตีสงครามกลางเมืองใน ออกจากตัวอย่างข้อมูลกว่าใด ๆ ของรูปแบบการถดถอยโลจิสติก บทความกล่าวถึงผลการเหล่านี้และวิธีการที่วิธีการทางสถิติเช่นอัลกอริทึมสุ่มป่าจะมีประโยชน์ให้มากขึ้นได้อย่างถูกต้องทำนายเหตุการณ์ที่หายากในข้อมูลความขัดแย้ง