Forms are used in many situations. For example, they tend to be ubiquitous in communications between individuals and government agencies. Something which could potentially boost transparency and efficiency is accurate estimates of how long it will take for the receiver to process a given completed form. Unfortunately, such estimates are often not available. This thesis examines the problem of using machine learning to predict form processing times, applied to the context of Swedish pay-as-you-earn tax returns. More specifically, it compares a naive baseline model to several random forest models, some based on the more common batch learning principle, and others on online learning which is typically seen as more suitable for working with data streams and changing conditions. Despite the theoretical advantages of online learning, none of the models using that approach were able to consistently outperform the naive baseline model. Conversely, the two primarily evaluated batch learning models were successful in doing so, although the improvement over the baseline was small. / Formulär används i många sammanhang. De är exempelvis mycket vanligt förekommande i kommunikation mellan privatpersoner och myndigheter. Något som potentiellt skulle kunna innebära ökad transparens och effektivitet är träffsäkra uppskattningar av hur lång tid det tar för mottagaren att handlägga ett givet formulär. Dessvärre är sådana uppskattningar ofta inte tillgängliga. Detta examensarbete undersöker hur maskininlärning kan användas för att förutspå formulärhandläggningstider, tillämpat i kontexten svenska arbetsgivardeklarationer. Mer specifikt jämförs en enkel naiv modell mot flera random forest-modeller, vissa baserade på den vanligare batchinlärningsprincipen, och andra på onlineinlärning som brukar ses som mer passande för dataströmmar och föränderliga förhållanden. Trots de teoretiska fördelarna med onlineinlärning lyckades inte någon av modellerna som använde sig av den tekniken konsekvent ge bättre resultat än den naiva grundmodellen. Däremot visade sig de två primärt utvärderade batchinlärningsmodellerna vara framgångsrika i det avseendet, även om skillnaden mot den naiva modellen var liten.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-321827 |
Date | January 2022 |
Creators | Al-Kadhimi, Staffan |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS), Stockholm : KTH Royal Institute of Technology |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-EECS-EX ; 2022:623 |
Page generated in 0.0018 seconds