Een nieuw machine learning-algoritme kan voorspellen hoe de raciale samenstelling van buurten in de loop van de tijd zal veranderen. Het algoritme, ontwikkeld door onderzoekers van de University of California, Berkeley, kan de raciale samenstelling van een buurt tot tien jaar in de toekomst nauwkeurig voorspellen.

Het algoritme werkt door een verscheidenheid aan gegevens te analyseren, waaronder censusgegevens, huisvestingsgegevens en misdaadgegevens. Het algoritme gebruikt deze gegevens vervolgens om een ​​model te creëren dat voorspelt hoe de raciale samenstelling van een buurt in de loop van de tijd zal veranderen.

De onderzoekers testten het algoritme op een dataset van buurten in de San Francisco Bay Area. Het algoritme was in staat om de raciale samenstelling van deze buurten tot tien jaar in de toekomst nauwkeurig te voorspellen.

De onderzoekers zijn van mening dat dit algoritme kan worden gebruikt om beleidsmakers te helpen beslissingen te nemen over huisvesting en misdaadpreventie. Het algoritme kan ook worden gebruikt om individuen te helpen beslissingen te nemen over waar ze willen wonen.

Hoe het algoritme werkt

Het algoritme werkt door een verscheidenheid aan gegevens te analyseren, waaronder censusgegevens, huisvestingsgegevens en misdaadgegevens. Het algoritme gebruikt deze gegevens vervolgens om een ​​model te creëren dat voorspelt hoe de raciale samenstelling van een buurt in de loop van de tijd zal veranderen.

Het model is gebaseerd op een aantal factoren, waaronder de volgende:

* De raciale samenstelling van de buurt in het verleden

* De raciale samenstelling van de omliggende buurten

* De woningmarkt in de buurt

* Het misdaadcijfer in de buurt

Het algoritme gebruikt deze factoren om een ​​voorspelling te doen over hoe de raciale samenstelling van de buurt in de loop van de tijd zal veranderen.

De nauwkeurigheid van het algoritme

De onderzoekers testten het algoritme op een dataset van buurten in de San Francisco Bay Area. Het algoritme was in staat om de raciale samenstelling van deze buurten tot tien jaar in de toekomst nauwkeurig te voorspellen.

De onderzoekers zijn van mening dat het algoritme accuraat is omdat het rekening houdt met een verscheidenheid aan factoren die de raciale samenstelling van een buurt beïnvloeden. Het algoritme maakt ook gebruik van een machine-learning-aanpak, waardoor het van gegevens kan leren en de nauwkeurigheid ervan in de loop van de tijd kan verbeteren.

De potentiële toepassingen van het algoritme

De onderzoekers zijn van mening dat dit algoritme kan worden gebruikt om beleidsmakers te helpen beslissingen te nemen over huisvesting en misdaadpreventie. Het algoritme kan ook worden gebruikt om individuen te helpen beslissingen te nemen over waar ze willen wonen.

Het algoritme zou bijvoorbeeld kunnen worden gebruikt om buurten te identificeren die het risico lopen op gentrificatie. Deze informatie zou door beleidsmakers kunnen worden gebruikt om beleid te ontwikkelen dat gentrificatie voorkomt en gemeenschappen met lage inkomens beschermt.

Het algoritme kan ook worden gebruikt om individuen te helpen beslissingen te nemen over waar ze willen wonen. Het algoritme zou bijvoorbeeld kunnen worden gebruikt om buurten te identificeren die veilig en betaalbaar zijn voor gezinnen.

Dit algoritme is een krachtig hulpmiddel dat kan worden gebruikt om de levens van mensen in gemeenschappen in het hele land te verbeteren.