Применение машинного обучения для прогнозирования субъективного благополучия человека

Применение машинного обучения для прогнозирования субъективного благополучия человека

Интересное сегодня

Как заставить кого-то сказать правду в 6 простых шагов

Будь то подозрение, что ваш партнер лжет вам, или уверенность, что коллега скрывает правду, умение з...

Как согласие в социальных кругах искажает восприятие поляриз...

Введение: Поляризация — реальность или иллюзия? Многие считают, что общество становится всё более ра...

Повышенная сенсорная чувствительность и активность мозга при...

Повышенная сенсорная чувствительность и активность мозга при восприятии прикосновения Введение ...

Кортизол в волосах у детей: как стресс влияет на психическое...

Долгосрочный стресс и психическое здоровье детей с хроническими заболеваниями Длительный стресс, из...

Как найти радость в мире, полном трудностей

На днях я оказалась в ситуации, когда смеясь до слез с двумя моими подростками, поняла, как важна ра...

Влияние гистамина на дофамин: половые различия в неврологиче...

ВведениеСуществуют значительные половые различия в неврологических расстройствах, таких как синдром ...

figure 1
figure 1
figure 2
figure 2
figure 3
figure 3
Thumbnail 1
Thumbnail 2
Thumbnail 3
Thumbnail 4
Thumbnail 5
Thumbnail 6
Читать короткую версию
Кликните еще раз для перехода

Введение

Субъективное благополучие является важным показателем в социальных науках, но текущие методы прогнозирования имеют ограниченную точность. В этом исследовании используются алгоритмы машинного обучения на основе деревьев решений для улучшения прогнозирования самооценочного благополучия. Исследование охватывает данные более миллиона респондентов из Германии, Великобритании и США за период с 2010 по 2018 год.

Цели исследования

Исследование ставит три основных вопроса:

  • Превосходят ли алгоритмы машинного обучения традиционные линейные модели в прогнозировании благополучия?
  • Совпадают ли переменные, выделенные алгоритмами машинного обучения, с теми, что подчеркиваются в литературе?
  • Могут ли алгоритмы машинного обучения помочь в разрешении спорных вопросов о форме зависимости благополучия от дохода и возраста?

Методы и данные

Исследование использует данные из трех национальных опросов: Германской социально-экономической панели (SOEP), Британского лонгитюдного исследования домохозяйств (UKHLS) и Американского ежедневного опроса Gallup. Были применены четыре алгоритма: Ordinary Least Squares (OLS), Least Absolute Shrinkage and Selection Operator (LASSO), Random Forests (RF) и Gradient Boosting (GB).

Результаты

Алгоритмы машинного обучения показали лучшую производительность по сравнению с OLS, особенно когда использовались расширенные наборы переменных. Важнейшими факторами благополучия оказались здоровье, экономические условия, личностные черты и личные отношения. Была подтверждена U-образная зависимость благополучия от возраста и насыщение эффекта дохода в Германии и Великобритании, но не в США.

Обсуждение

Исследование показывает, что алгоритмы машинного обучения могут значительно улучшить прогнозирование благополучия, особенно при использовании большого числа переменных. Однако, даже с использованием всей доступной информации, остается около половины необъяснимой вариации в благополучии. Будущие исследования могут включать комбинацию обучения с учителем и без учителя, а также применение машинного обучения для выявления причинных факторов благополучия.

Заключение

Машинное обучение представляет собой мощный инструмент для прогнозирования субъективного благополучия, который может дополнить и улучшить традиционные методы. Однако, для полного понимания благополучия необходимы дальнейшие исследования, особенно в контексте развивающихся стран.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода

Турбослим Кофе Капучино — вкусный жиросжигающий кофе

Турбослим Кофе Капучино — ароматный напиток с натуральным кофе, пряностями и комплексом веществ для ...

Топикрем Гидра+ гель очищающий для чувствительной кожи

Топикрем Гидра+ мягкий очищающий гель бережно удаляет загрязнения и макияж, сохраняя естественный ба...

Вальмонт Премиум Регенера II Крем – восстановление и уход

Вальмонт Премиум Регенера II Крем для лица 50 мл – питательная антивозрастная формула для восстановл...

Компрессионные гольфы Luomma 23-32 мм рт.ст. S Long

Компрессионные гольфы Luomma Idealista 23-32 мм рт.ст., размер S Long, с закрытым носком и в классич...

Репейное масло с красным перцем – Зеленая Лавка 100 мл

Зеленая Лавка Масло репейное с красным перцем 100 мл стимулирует рост волос, укрепляет корни и улучш...

Либридерм 3D крем-филлер для кожи вокруг глаз

Либридерм 3D Гиалуроновый Филлер Крем для кожи вокруг глаз эффективно разглаживает мимические и возр...