基于机器学习和大数据技术的行政立法优化（计算实验经验）

DOI:

EDN:

评审日期

出版日期

注解: 研究的主题是基于监管行政和法律监管领域发展的指标对其进行分析和优化的方法。 2015年9月7日第61-pg号圣彼得堡总督法令的例子显示了对立法优化的定性评估,该法令规定了圣彼得堡社会经济现象和进程公共管理的主要方向。 将本决议核准的用于社会经济发展及行政和法律管制目的的指标与统计社会经济指标进行比较，将表明管制的最佳程度。 这种最佳性是通过规范指标（目标）与机器学习方法在大数据集上确定的最重要指标（内城市的移民流动）的遵守情况来评估的。   通过大数据集的机器学习，可以确定其中两个最重要的指标--社会经济发展和监管的目标（景观美化的成本和举办当地假日和体育赛事的成本），以及确定一个不被认为是领土发展目标的统计指标（环境保护成本）。 所取得的结果使得有可能确定与移民流动指标的重要性相对应的更高级别的公共当局最重要的活动领域：学前教育和学校教育，儿童和老年公民的医疗保健，为他们创造一个无障碍（舒适）的环境。 所获得的结果具有方法学重要性，因为它们有可能使用数字统计指标，并且可用于评估监管监管和法律（监管）政策的优化。 基于社会、人口、经济和环境领域大数据的机器学习可以成为优化行政立法和公共行政的重要工具。

出版日期: