使用高质量的全国社会保障数据结合机器学习工具，我们开发了2014年至2018年期间澳大利亚社会保障系统中任何缴费登记者的收入支持接收强度的预测模型。我们表明，与目前使用的更简单的启发式模型或早期预警系统相比，现成的机器学习算法可以显著提高预测精度。具体来说，前者对个人在未来4年依靠收入支持的时间比例的预测精度更高，至少达到22% (R2增加14个百分点)。由于算法使用的是个案工作者目前可获得的管理数据，因此这一收益无需从业人员付出额外成本。因此，我们的机器学习算法可以改进对长期收入支持接受者的检测，这可能会为政府节省大量累积的福利成本。