Predictive analytics can facilitate proactive property vacancy policies for cities

آیا ممکن است شهر برای درک، تجزیه و تحلیل، پیش بینی، و بنابراین از ویژگی های خالی جلوگیری کند؟ در این مقاله، ما امکان سنجی استفاده از تکنیک های یادگیری ماشین و داده کاوی را برای تعیین خطرات آینده خالی برای خواص فردی و محله ها با استفاده از ویژگی های ساختاری، جمعیت شناختی، اقتصادی اجتماعی و شهری با دقت بالا نشان می دهیم. در یک چارچوب سیستم های بزرگتر که ما توسعه می دهیم، این تجزیه و تحلیل پیش بینی اجازه می دهد که شهر از تصمیم گیری بر اساس "داستان های آموزشی" و استراتژی های واکنش پذیر با هدف نیاز فوری، به توسعه سیاست های مبتنی بر آگاهانه، جامع بینش و مداخلات پیشگیرانه که باعث کاهش و کاهش می شود. تظاهرات استفاده از تجزیه و تحلیل پیش بینی در سیستم اجتماعی فناوری با استفاده از داده های سیراکیوز، نیویورک ارائه شده است.