奧巴馬競選中的數據挖掘技術
我看到了這篇關於奧巴馬連任競選中數據挖掘團隊的文章。不幸的是，這篇文章對統計算法的實際機制非常模糊。然而，這聽起來好像一般技術在社會和政治科學中是眾所周知的。由於這不是我的專業領域，任何人都可以向我指出有關此類技術的（概述）文獻嗎？
該區域稱為微定位（如果您想用谷歌搜索）。競選活動對他們的工具和程序非常保密，所以據我所知，除了 Hal Malchow 的《政治目標》（2008 年）或 Green & Gerber 的（2008 年）《退出投票：如何提高選民投票率》（後者涉及更多地涉及社會科學方面，例如哪些廣告有效等）。
在更多技術問題上，文獻更加稀缺，但請參見Murray & Scime (2010) 、 Imai & Strauss (2011)的政治分析論文（後印）或我們最近的應用統計年鑑論文Rusch, Lee， Hornik、Jank & Zeileis (2013)（後印本）。它們的共同點是它們都使用數據挖掘技術，主要是基於樹的。
Murray & Scime 使用標準分類樹，如 CART。
魯施等人。使用分類樹、邏輯模型以及混合樹和邏輯回歸。他們還使用（除其他外）隨機森林、神經網絡、支持向量機和貝葉斯加法回歸樹來與他們的混合樹進行比較，如論文的回復中所述。他們的混合樹在其數據集上的表現與其他方法相當，並提供更高的可解釋性（我們還共享他們的代碼和數據）。
Imai & Strauss 很有趣，因為他們提出了一個用於優化活動計劃的綜合決策理論框架，而不僅僅是像其他人那樣進行微目標定位的工具。因此，他們非常關注運營研究的各個方面，即如何充分利用投入到競選活動中的每一美元。在他們使用統計技術進行微定位和投票率估計的框架方面，他們再次依賴於分類樹。
因此，似乎存在一些共識，即基於樹的方法在該領域的使用效果很好。