集成特征选择和 Harris Hawks 优化用于女性性工作者可解释的心理健康风险预测

arXiv:2606.24047v1 公告类型：新 摘要：影响女性性工作者 (FSW) 的重大心理健康问题之一是精神障碍，尤其是抑郁症。遭受暴力、耻辱和经济困难进一步增加了他们的心理风险。当前的机器学习 (ML) 模型通常无法有效捕捉这一边缘群体中存在的高维且复杂的风险模式。本文提出了一种混合预测模型，该模型将使用方差分析和互信息的集成特征选择策略与 Harris Hawks 优化调整的逻辑回归相结合，代表了群体智能在预测弱势群体心理健康方面的一种新应用。可解释的人工智能（XAI）方法可用于理解与模型预测相关的创伤因素。当应用于 3,005 名 FSW 的群体时，可以看出，所提出的模型比传统分类器更有效，准确率为 95.78%，F1 得分为 95.77%，AUC 为 0.96，并将创伤后应激、客户相关暴力和职业因素识别为抑郁症的主要影响因素。这项工作弥合了传统方法和机器学习方法之间的差距，开发了一种 XAI 工具，使弱势群体能够获得早期援助、基于证据的有针对性的心理社会护理和健康规划。