韩国青少年吸毒行为预测及防控新视角：机器学习助力解析关键因素

韩国青少年吸毒现象增多，其相关预测因素间关系复杂不明。研究人员利用机器学习分析 4070 名青少年数据，LightGBM 和 CatBoost 模型表现出色。研究发现心理和行为因素影响吸毒，而体育活动等起保护作用，有助于防控青少年吸毒。

　　研究表明，韩国青少年吸毒现象的增加与心理压力、学业压力以及危险行为（如过早饮酒和吸烟）的常态化有关。然而，这些预测因素之间复杂的非线性关系仍不明确。本研究运用机器学习技术，旨在识别韩国青少年吸毒行为的关键行为、心理和身体预测因素，并探寻预防策略。

研究人员分析了 4070 名青少年的数据，运用机器学习模型对预测因素进行排序，并将其影响可视化。其中，LightGBM 模型的准确率最高，达到 76.41%，CatBoost 模型紧随其后，准确率为 76.17%。

研究结果揭示了关键的心理预测因素，包括悲伤情绪、自杀意念和压力，以及行为因素，如饮酒和吸烟。心理困扰和危险行为在韩国的学业和社会压力影响下，成为青少年吸毒的重要因素。相反，体育活动和健康状况对青少年吸毒起到保护作用。

这些基于机器学习得出的研究结果，能够为更有效地减少青少年药物使用提供参考依据。