青少年毒品多药使用和吸毒后犯罪的预测分析——以机器学习为分析工具

通过采用机器学习这一高维数据处理方法,对我国2154名吸毒青少年的多药使用和吸毒后犯罪情况进行了探索性分析。结果发现,使用的六种机器学习算法中,BP_Adaboost(K=10)和随机森林(tree=500)算法对多药使用和吸毒后犯罪预测模型具有较好的预测效力,且"是否多药使用"对于"吸毒后是否犯罪"有较高的因子贡献度,证明了多药使用与吸毒后犯罪之间存在一定的因果关系。鉴于此,对青少年吸毒和犯罪的大数据分析应使用机器学习方法,以克服传统统计方法的不足,帮助我们在复杂的青少年问题中找到更为确定或本质的规律与联系。