Lessons from a human-in-the-loop machine learning approach for identifying vacant, abandoned, and deteriorated properties in Savannah, Georgia

管理空置、废弃和恶化（VAD）房产的应对策略对于维护健康社区至关重要。然而，识别这些房产的过程可能很困难。在这里，我们创建了一个名为VADecide的人机交互机器学习（HITLML）模型，并将其应用于乔治亚州萨凡纳市的一个基于地块的案例研究中。结果显示，与在训练中没有人类输入的机器学习模型相比，预测准确率更高。HITLML方法还揭示了机器与人类生成结果之间的差异。我们的研究结果有助于了解HITLML在城市规划中的优势和挑战。[已被同行评审期刊接受发表]

论文旨在创建一个人机交互的机器学习模型来解决城市规划中识别空置、废弃和破败房产的问题。同时，论文也试图探究人机交互机器学习模型相对于普通机器学习模型的优势和挑战。

论文的关键思路是创建一个人机交互的机器学习模型VADecide，该模型结合了人类专家的知识和普通机器学习模型的算法，提高了模型的预测准确性。此外，该模型还可以揭示人工和机器生成结果之间的差异。

论文的实验采用了Savannah, Georgia的一个案例研究，结果显示VADecide模型的预测准确性比普通机器学习模型更高。论文的贡献在于探究了人机交互机器学习模型在城市规划中的应用，以及该模型的优势和挑战。

近期的相关研究包括使用机器学习模型识别废弃房产的研究，如《A Machine Learning Approach to Identify and Predict Vacant and Abandoned Properties in Baltimore City》。