作者
摘要
失踪人员是一种神秘而常见的现象,会给失踪人员、他们的家庭和整个社会带来负面后果。与年龄相关的认知变化和更易患痴呆症会增加老年人失踪的倾向。因此,有必要更好地了解老年人的缺失现象。本研究试图确定个人和环境因素,以预测是否会找到报告失踪的老年人。根据哥伦比亚1930年至2021年6月的失踪人员案件公开数据(n=7855),使用了监督机器学习模型。分类算法被训练来预测失踪的老年人是否最终会被找到。测试数据中性能最好的分类模型是基于梯度增强的分类模型。特别是,梯度提升分类器和光梯度提升机算法显示,接收机工作特性(ROC)曲线(AUC)下的面积分别比数据驱动的大10%和9%,参考模型,其基于自在训练数据中观察到的缺失以来所报告的经过的时间的平均值。对分类贡献最大的特征是失踪时间、发生地点以及失踪人员的年龄和性别。目前的结果揭示了人失踪的社会现象,同时为机器学习模型在失踪老年人案件中的应用奠定了基础。
建议引用
阿德里亚娜·鲁伊斯·里佐(Adriana L.Ruiz-Rizo)和马里奥·阿奇拉·梅伦德斯(Mario E.Archila-Meléndez)以及何塞·约翰·弗雷迪·冈萨雷斯(JoséJohn Fredy González Veloza),2022年。"基于机器学习的老年人失踪概率预测,"计算社会科学杂志,施普林格,第5卷(2),第1303-1321页,11月。手柄:RePEc:spr:jcsosc:v:5:年:2022年:i:2:d:10.1007_s42001-022-00171-x
DOI:10.1007/s42001-022-00171-x
从出版商下载全文
由于此文档的访问受到限制,您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时,请提及此项目的句柄:RePEc:spr:jcsosc:v:5:y:2022:i:2:d:10.1007_s42001-022-00171-x。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目,但尚未在RePEc注册,我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目,你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者,您可能还需要检查您的RePEc作者服务个人资料,因为可能有一些引文等待确认。
有关该项目的技术问题,或更正其作者、标题、摘要、书目或下载信息,请联系:Sonal Shukla或Springer Nature Abstracting and Indexing(电子邮件如下)。供应商的一般联系方式:http://www.springer.com网站.
请注意,更正可能需要几周时间才能筛选出来各种RePEc服务。