論文の概要: Predicting Individual Substance Abuse Vulnerability using Machine
Learning Techniques
- arxiv url: http://arxiv.org/abs/2101.03184v1
- Date: Wed, 9 Dec 2020 05:21:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 12:32:50.382247
- Title: Predicting Individual Substance Abuse Vulnerability using Machine
Learning Techniques
- Title(参考訳): 機械学習による個人薬物乱用脆弱性の予測
- Authors: Uwaise Ibna Islam, Iqbal H. Sarker, Enamul Haque and Mohammed Moshiul
Hoque
- Abstract要約: 物質乱用に対する個人の現在の脆弱性を特定するためのバイナリ分類器を提案する。
物質乱用の原因となる一般的な要因を慎重に評価し、作成したアンケートでデータを収集しています。
18の機能を備えたロジスティック回帰分類器は、最良の精度で個々の脆弱性を予測できます。
- 参考スコア(独自算出の注目度): 2.8101673772585736
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Substance abuse is the unrestrained and detrimental use of psychoactive
chemical substances, unauthorized drugs, and alcohol. Continuous use of these
substances can ultimately lead a human to disastrous consequences. As patients
display a high rate of relapse, prevention at an early stage can be an
effective restraint. We therefore propose a binary classifier to identify any
individual's present vulnerability towards substance abuse by analyzing
subjects' socio-economic environment. We have collected data by a questionnaire
which is created after carefully assessing the commonly involved factors behind
substance abuse. Pearson's chi-squared test of independence is used to identify
key feature variables influencing substance abuse. Later we build the
predictive classifiers using machine learning classification algorithms on
those variables. Logistic regression classifier trained with 18 features can
predict individual vulnerability with the best accuracy.
- Abstract(参考訳): 物質乱用 (substance abuse) は、精神活性化学物質、無許可薬物、アルコールの非制限および有害使用である。
これらの物質の連続的な使用は、究極的には人間を破滅的な結果に導く。
再発率が高い患者の場合、早期の予防は効果的に抑制される。
そこで我々は,被験者の社会経済的環境を分析し,物質乱用に対する個人の現在の脆弱性を識別する二項分類器を提案する。
薬物乱用の背後にある一般的な要因を慎重に評価した上で作成したアンケートによってデータを収集した。
ピアソンのchi-squared test of independenceは、薬物乱用に影響を与える重要な特徴変数を特定するために用いられる。
その後、これらの変数の機械学習分類アルゴリズムを用いて予測分類器を構築する。
18の機能でトレーニングされたロジスティック回帰分類器は、最適な精度で個々の脆弱性を予測することができる。
関連論文リスト
- The Power of Properties: Uncovering the Influential Factors in Emotion Classification [7.562215603730798]
最先端の分類性能は、エンドツーエンドのトレーニングニューラルネットワークによってのみ達成される。
明示的な特性とその影響を評価するワークフローを導入する。
論文 参考訳(メタデータ) (2024-04-11T16:01:00Z) - "Hey..! This medicine made me sick": Sentiment Analysis of User-Generated Drug Reviews using Machine Learning Techniques [2.2874754079405535]
本研究は、特定の薬物に関するユーザレビューを、ポジティブ、ネガティブ、中立などの異なるクラスに分類する薬物レビュー分類システムを提案する。
収集されたデータは手動でラベル付けされ、ラベルが正しいことを保証するために手動で検証される。
論文 参考訳(メタデータ) (2024-04-09T08:42:34Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - Zero-shot causal learning [64.9368337542558]
CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。
トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
論文 参考訳(メタデータ) (2023-01-28T20:14:11Z) - Trying to Outrun Causality with Machine Learning: Limitations of Model
Explainability Techniques for Identifying Predictive Variables [7.106986689736828]
機械学習のアルゴリズムは、見た目ほど柔軟性がなく、データの根底にある因果構造に驚くほど敏感であることを示す。
我々は、重要な変数のデータを探索したい研究者のために、いくつかの代替のレコメンデーションを提供する。
論文 参考訳(メタデータ) (2022-02-20T17:48:54Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳(メタデータ) (2022-01-27T22:15:56Z) - Indiscriminate Poisoning Attacks Are Shortcuts [77.38947817228656]
その結果, 標的ラベルを付与した場合, 進行性毒素攻撃の摂動は, ほぼ分離可能であることがわかった。
このような合成摂動は、故意に作られた攻撃と同じくらい強力であることを示す。
我々の発見は、アンフショートカット学習の問題が以前考えられていたよりも深刻であることを示唆している。
論文 参考訳(メタデータ) (2021-11-01T12:44:26Z) - Eigenbehaviour as an Indicator of Cognitive Abilities [1.2807356266718457]
本研究では,非接触環境センサから得られる位置固有行動に基づく認知能力のための新しいデジタルバイオマーカーを提案する。
再構成誤差は、線形回帰を用いてベースラインで収集された認知能力スコアを予測するために用いられる。
予測性能は高い認知能力には強いが、低レベルの認知能力には弱い。
論文 参考訳(メタデータ) (2021-10-18T12:59:49Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - Robustness to Spurious Correlations via Human Annotations [100.63051542531171]
本稿では,人間に共通する因果関係の知識を活用して,素因関係に頑健なモデルを構築するための枠組みを提案する。
具体的には、人間のアノテーションを使用して、潜在的な未測定変数でトレーニング例を拡大する。
次に,未測定変数(UV-DRO)に対する分布性に頑健な新たな最適化手法を導入し,テスト時間シフトによる最悪の損失を制御する。
論文 参考訳(メタデータ) (2020-07-13T20:05:19Z) - Jointly Predicting Job Performance, Personality, Cognitive Ability,
Affect, and Well-Being [42.67003631848889]
本研究では,身体的および生理的行動,心理的状態と特徴,職能を統合した個人予測分析のためのベンチマークを作成する。
我々は、データマイニング技術をベンチマークとして設計し、ウェアラブルセンサから得られた真のノイズと不完全なデータを用いて、12の標準化された精確なテストに基づいて19の構造を予測する。
論文 参考訳(メタデータ) (2020-06-10T14:30:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。