青年吸毒的影响因素分析——基于决策树方法的分析

摘要：

由于青年吸毒受到诸多因素影响,个体因素-环境因素存在复杂的相互作用,很难通过传统的统计分析方法,在单变量或者聚焦于单一方面因素的研究中得出推广性较高的结论.本研究借助决策树这一机器学习方法,对多层次的多个变量进行研究,探索生成一个预测模型和相应的预测规则.通过问卷形式收集数据,使用决策树机器学习方法分析该数据.探索性别、个体受教育程度、三维人格、个体偏差行为、宏观经济背景、父母教养方式、是否辍学等自变量对青年吸毒行为的预测作用.研究结果发现,个体偏差行为、是否辍学、个体受教育程度、居住地交通发达情况、家庭所在地类型、躲避伤害性、性别这七个自变量能够预测青年是否吸毒.对吸毒组的预测准确率为94.7％,对非吸毒组的预测准确率为89.7％,效果较好.探索用决策树的方法建立预测青年吸毒的模型,对防控青少年吸毒具有重要作用.

关键词：青年吸毒、机器学习、多变量、决策树

所属期刊栏目：39

分类号：F273.2;TP311.13;G434

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：115-123