基于机器学习和可解释 AI 的生命满意度预测
机器学习
2025-10-21 v1 人工智能
摘要
生命满意度是人类幸福感的关键方面。因此，针对如何理解个体如何经历自己的生活以及影响旨在增强心理健康和幸福感的干预措施的研究，至关重要。生命满意度传统上通过类比、复杂且容易出错的方法进行测量，这些方法引发关于验证和传播的问题。然而，本研究表明，机器学习算法能够以 93.80% 的高准确率和 73.00% 的宏平均 F1 分数预测生命满意度。数据来自来自丹麦对 19000 名 16-64 岁人群的政府调查。通过特征学习技术，提取了 27 个用于评估满足感的显著问题，使研究高度可复现、简单且易于解释。此外，探索了临床和生物医学大型语言模型 (LLM) 通过将表格数据转换为通过映射和添加有意义对应物的自然语言句子来预测生命满意度，准确率为 93.74%，宏平均 F1 分数为 73.21%。发现生命满意度预测更 closely related to 生物医学领域而非临床领域。还进行了消融研究，以了解数据重抽样和特征选择技术对模型性能的影响。此外，分析了主要决定因素与不同年龄组之间的相关性，发现健康状况是所有年龄段最重要的决定因素。这一研究表明，机器学习、大型语言模型和 XAI 可以共同为构建信任和理解有助于利用 AI 来调查人类行为，为从事量化和理解主观幸福感的学者和专业人士带来重大意义。
引用
@article{arxiv.2510.16547,
title = {Predicting life satisfaction using machine learning and explainable AI},
author = {Alif Elham Khan and Mohammad Junayed Hasan and Humayra Anjum and Nabeel Mohammed and Sifat Momen},
journal= {arXiv preprint arXiv:2510.16547},
year = {2025}
}