이 논문은 성노동 여성(FSW)의 우울증 등 정신건강 위험을 예측하는 설명가능한 하이브리드 머신러닝 모델을 제안한다. ANOVA와 상호정보량을 결합한 앙상블 특성 선택에 Harris Hawks 최적화로 튜닝한 로지스틱 회귀를 결합해, 군집지능(swarm intelligence)을 취약계층 정신건강 예측에 새롭게 적용했다. 3,005명의 FSW 데이터에 적용한 결과 정확도 95.78%, F1 95.77%, AUC 0.96으로 기존 분류기를 앞섰고, 외상후 스트레스·고객 관련 폭력·직업적 요인이 우울증의 주요 기여 요인으로 식별됐다. 설명가능 AI(XAI) 기법으로 예측과 연관된 트라우마 요인을 해석함으로써, 취약계층이 조기 개입과 근거 기반 맞춤형 심리사회적 돌봄을 받도록 돕는 도구를 제시한다.
- •ANOVA·상호정보량 앙상블 특성 선택 + Harris Hawks 최적화 로지스틱 회귀 결합
- •3,005명 FSW 데이터에서 정확도 95.78%, F1 95.77%, AUC 0.96 달성
- •외상후 스트레스·고객 관련 폭력·직업적 요인을 우울증 주요 기여 요인으로 식별
- •군집지능을 취약계층 정신건강 예측에 새롭게 적용
- •XAI로 트라우마 요인을 해석해 조기 개입·맞춤형 돌봄 지원
Ensemble Feature Selection and Harris Hawks Optimization for Explainable Mental Health Risk Prediction in Female Sex Workers
본문 미리보기
arXiv:2606.24047v1 Announce Type: new Abstract: One of the significant mental health issues affecting female sex workers (FSWs) is mental disorders, especially depression. Exposure to violence, stigma, and economic hardship further increases their psychological risk. Current machine learning (ML) models are typically ineffective at capturing the high-dimensional and complex risk patterns that exist in this marginalized group. This paper suggests a hybrid predictive model that merges an ensemble
전체 내용이 궁금하다면?
원문을 직접 읽어보세요