Depression Prediction Using Enhanced Machine Learning Pipeline

doi:10.3991/ijoe.v22i01.57957

Depression Prediction Using Enhanced Machine Learning Pipeline

2026-01-01

0

OA

AI

S

Seyed Ebrahim Hosseini *

Iqbal, Muhammad Javed

M

Muazma Shahbaz

DOI：10.3991/ijoe.v22i01.57957

原文链接

查看原文

摘要

En 中文

抑郁症是一种常见的心理健康问题，对个人的情绪、行为和整体功能能力产生重大影响。现有研究在处理大量特征以及在模型开发的各个阶段选择合适的算法时存在问题。然而，当前复杂的系统很难被医生理解和使用。本研究的目标是提出适合的特征提取和分类模型，以预测抑郁症，这些模型既具有成本效益又易于理解。研究结论表明，最重要的特征包括对周围环境满意度、财务压力、失眠、焦虑以及心理问题（如冲突、虐待和自卑感）。研究发现，Boruta结合逻辑回归（LR）的方法具有最佳准确率93.3%，优于现有方法。

Keyword:

learning

feature selection

synthetic minority oversampling technique

Depression Prediction Using Enhanced Machine Learning Pipeline

摘要

AI总结

期刊

机构

引用论文