收入充当图像的标签然后机器

arfankd5

怎么样太棒了。太棒了。这他们采用的数据集曾经存在于不起眼的数据库或纸质文件中现在可供公众进行创新卢卡说。谷歌街景摄像头滑过偏远的怀俄明州。资料来源凯文杜利其次公民正在产生卢卡所说的数字废气这是他们日常活动中在线生成的数据城市可以捕获这些数据为公民的行为提供线索。用于帮助人们搜索餐馆而不是告诉城市去哪里检查但它可以用于此目的卢卡说。同样不同地区的谷歌搜索可以让政策制定者深入了解公民关心的事情。

最后私营企业比以往任何时候都更愿意与政府分享自己的内部数据以了解其员工例如提 美国电话号码列表 供对不同社区员工健康行为的洞察。现在有如此多的数据令人兴奋但又令人恐惧卢卡说。城市需要仔细考虑使用哪些数据如何使用数据以及何时不使用数据。驯服数据流卢卡认为为了掌握所有这些数据并更好地预测政策结果城市需要开发算法来协调自己的数据与在线信息。例如在过去的工作中同事使用机器学习来分析图像。




利用这些技术他拍摄了从街景图像获得的约张纽约市街区的图像并教计算机识别各种特征包括街道人行道建筑物和树木。在他们的研究中卢卡团队将奈克的图像与该市在线提供的约个街区的家庭收入水平联系起来。学习特征与这些收入之间的关联奈克说。经过一定量的训练后计算机使用它生成的算法根据无法获得数据的图像来预测收入水平。当研究人员分析这些数字时他们确定图像分析可以比其他措施更准确地预测收入。从统计角度来看图像占了收入可能变化的。相比之下种族和教育等其他指标仅占变异的。