AI模型利用可解释学习预测孟加拉国男性家庭暴力

研究人员开发了一种可解释的集成学习模型来预测孟加拉国的男性家庭暴力（MDV）。该研究通过从九个主要城市收集数据，解决了数据不平衡和可用性有限的挑战。他们提出的堆叠集成模型，使用ANN和CatBoost作为基础分类器，并以Logistic Regression作为元模型，达到了95%的准确率和99.29%的AUC。SHAP和LIME等可解释AI技术被用于提供模型决策过程的透明度，挑战了家庭虐待主要影响女性的观念，并强调了为男性受害者提供量身定制支持的必要性。 AI

影响 开发了将可解释AI应用于敏感社会问题的新方法，有望改善理解和干预策略。

排序理由 学术论文，详细介绍了机器学习和可解释AI技术在社会问题上的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• artificial neural network
• Bangladesh
• Catboost
• deep learning
• logistic regression model
• machine learning
• Male Domestic Violence
• Md Abrar Jahin
• Shap

• 论文
• 安全
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →