种族有何关联？利用机器与深度学习跨种族群体预测青少年抑郁
机器学习
2023-08-23 v1 神经与进化计算
摘要
抑郁症是一种常见但严重的精神障碍，每年影响数百万美国高中生。然而，准确诊断与早期检测仍是重大挑战。在公共卫生领域，研究表明神经网络在识别癌症与 HIV 等其他疾病方面产生了有前景的结果。本研究提出类似方法，利用机器学习（ML）与人工神经网络（ANN）模型对学生抑郁进行分类。此外，研究强调了种族子群体中相关因素的差异，并主张需要更广泛且多样的数据集。模型基于全国青年风险行为监测系统（YRBSS）调查数据训练，其中通过统计分析找出与抑郁最相关的因素。该调查数据为结构化数据集，含 15000 条记录，包括三个种族子集各 900 条。对于分类，研究问题被建模为监督学习二分类问题。还识别了不同种族子群体中与抑郁相关的因素。ML 与 ANN 模型先在整体数据集上训练，再于不同种族子集上训练，以分类个体是否患有抑郁。ANN 模型取得最高 F1 分数 82.90%，而表现最佳的机器学习模型支持向量机（SVM）取得 81.90% 的分数。本研究揭示不同参数对跨种族群体建模抑郁更具价值，并推进了关于美国青少年抑郁的研究。
引用
@article{arxiv.2308.11591,
title = {What's Race Got to do with it? Predicting Youth Depression Across Racial Groups Using Machine and Deep Learning},
author = {Nathan Zhong and Nikhil Yadav},
journal= {arXiv preprint arXiv:2308.11591},
year = {2023}
}
备注
6 pages