还能这么玩！利用轨迹模型+机器学习构建预测模型，乱花渐欲迷人眼

文章预览

引言 本周末开课：机器学习方法 11.30-12.1 R语言构建机器学习课程开启，欢迎报名开启 常规机器学习分析的文章大家都看了不少了，今天给大家 分享一篇基于4种不同中国青少年受欺凌的受害者轨迹，使用常见的随机森林（RF）法构建预测模型。 先来看看本文的研究设计吧： 1.数据收集与处理 对于缺失的数值型数据，使用中位数进行填充； 对于缺失的分类型数据，使用众数进行填充； 针对参与者分布不均衡的问题，使用随机过采样法来平衡数据集。 2.轨迹分析——组轨迹模型（GBTM） 基于每次调查的总受害分数，测试了2~5个组的轨迹模型； 通过贝叶斯信息准则（BIC）、赤池信息准则（AIC）和对数似然（LL）确定了最优组数。 3.模型的构建与评估 数据集被分为70%训练集和30%验证集； 使用多个指标评估模型性能，包括 准确性、灵敏度、特异性、阳性 ………………………………