URV用机器学习分析青少年色情使用预测因素

西班牙罗维拉-威尔吉利大学（URV）团队基于2023年ESTUDES调查中33,543名青少年的数据，用逻辑回归、XGBoost、LightGBM、CatBoost和可解释AI分析青少年色情使用的预测因素。结果显示，性别是最强预测变量，男孩更可能使用，其次是问题性网络使用、大麻与酒精消费和家庭冲突；父母管控的独立作用有限。 研究者称，机器学习仅小幅优于逻辑回归，结果只反映关联，不能用于诊断或给个体贴标签。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。