Dossier de preuve de méthode

Machine Learning Conflict Prediction

Machine learning conflict prediction uses flexible supervised algorithms — random forests, gradient boosting, neural networks, regularized regression — to forecast the onset of armed conflict from large sets of features, prioritizing out-of-sample predictive accuracy over coefficient interpretation. Muchlinski, Siroky, He, and Kocher (2016) showed that random forests substantially outperform logistic regression at predicting class-imbalanced civil-war onset, catalyzing a shift in conflict research toward algorithmic prediction, rigorous out-of-sample validation, and the recognition that explanation and prediction are distinct goals.

Sources recorded, not reviewed

Dossier source

Citations copiées telles quelles du dossier source de la méthode. Aucune vérification au niveau de la revendication n'en est déduite.

Machine Learning Methods for Predicting Armed Conflict

Dossier de méthode taxonomique · ml-model / international-relations

Muchlinski, D., Siroky, D., He, J., & Kocher, M. (2016). Comparing random forest with logistic regression for predicting class-imbalanced civil war onset data. Political Analysis, 24(1), 87–103. · DOI 10.1093/pan/mpv024

Ouvrir la méthode complète

Revendications organisées

Revendications enregistrées dans le registre de preuves, chacune avec sa propre évaluation.

Pas encore de revendications organisées

Cette vue n'invente pas d'évaluation de revendication lorsque le registre n'en contient aucune.

Méthodes apparentées

Généré à partir du graphe de méthodes et présenté comme des relations suggérées par la machine — aucune revendication de preuve n'est déduite.

Same method familyConflict Forecastingmachine-suggested · Relational suggestion, not evidence.Used in the same domainDyadic Conflict Analysismachine-suggested · Relational suggestion, not evidence.See alsoLogistic Regressionmachine-suggested · Relational suggestion, not evidence.