基于贝叶斯模型的国家总统选举的预测模型

最近結び在《经济学人》上发现出版社正在分析民意调查,经济和人口统计数据,以预测2020年美国大选。

开放源码

在哥伦比亚大学政治学家安德鲁·盖尔曼(Andrew Gelman)和梅林·海德曼斯(Merlin Heidemanns)的协助下开发的《经济学人》的模型计算了乔·拜登和唐纳德·特朗普赢得每个州和整体选举的概率。

《经济学人》在Github上发布了他们认为是模型中最具创新性的部分的源代码。可以探索其工作原理,调整其参数并自行运行。在R和Stan编程语言中编写动态多级贝叶斯模型脚本,以预测美国总统大选。

对基本模型的普遍批评是,它们极容易“过度拟合”,这些方程与历史数据非常匹配,但在用来预测未来时会产生偏差。为了避免这种风险,《经济学人》从机器学习领域中借鉴了两种技术:“弹性网正则化”和“留一法交叉验证”。

工作原理

Leave a Reply

召唤伊斯特瓦尔