联系我们
意见反馈

关注公众号

获得最新科研资讯

杨孟昊课题组

简介 同济大学计算材料学课题组

分享到

采用大规模机器学习方法检测青少年欺凌受害风险

       人们越来越关注使用机器学习方法来识别问题行为的风险因素。本项研究测试并比较了六种机器学习算法:逻辑回归、朴素贝叶斯、决策树、随机森林、K最近邻算法(KNN)和光梯度提升机(LightGBM),以检测传统欺凌受害和欺凌受害的风险因素。中国青少年网络欺凌受害情况。Random Forest算法和LightGBM算法获得了相似的精度和预测,并且优于其他四种算法。然后,我们结合LightGBM和随机森林算法的特征重要性来评估40多个潜在相关的个人、教育、社会和心理因素在预测欺凌受害方面的预测能力,从而获得更高的准确性和更高的性能。这些结果表明,组合模型可以根据一些容易找到的变量区分两种类型欺凌的高风险和低风险青少年。通过比较每个因素的相对重要性,当前的研究还发现精神疾病、身体疾病和不健康的生活环境在预测欺凌受害方面具有最高价值。因此,推荐模型在预防中国青少年欺凌和受害方面具有很大的应用价值。

机器学习代码: https://github.com/menghaoyoung/Machine-Learning-for-Bullying-Victimization.git

创建: May 17, 2023 | 19:39