用于评估海洛因吸食风险的 GA-SVM
神经与进化计算
2021-03-24 v1 机器学习
摘要
2017 年美国有超过 70,000 例药物过量死亡。其中近一半涉及海洛因等阿片类药物的使用。本研究通过进一步理解导致海洛因吸食的因素,支持抗击阿片类药物流行的努力。先前研究就海洛因成瘾的成因存在争论,部分将其解释为从处方阿片类药物的过渡,另一些则指向各种社会心理因素。本研究使用关于人格、人口统计与药物消耗行为的自我报告信息来预测海洛因吸食。通过应用由遗传算法优化的支持向量机算法(GA-SVM 混合模型)同时识别预测特征与模型参数,本研究产生了若干比先前研究更准确预测海洛因使用的模型。尽管所有因素均具预测力,这些结果显示其他药物(处方与非法)的消耗比社会心理因素更能预测海洛因使用。处方药物作为海洛因使用的强预测因子是一个重要但令人不安的发现,却有助于抗击海洛因使用。
引用
@article{arxiv.2103.12633,
title = {GA-SVM for Evaluating Heroin Consumption Risk},
author = {Sean-Kelly Palicki and R. Muhammad Atif Azad},
journal= {arXiv preprint arXiv:2103.12633},
year = {2021}
}
备注
Genetic Algorithm, Feature Selection, Applied Computing, Psychology