Predicting Early Dropouts of an Active and Healthy Ageing App

要約

この研究では、アクティブで健康的に老化するアプリの早期ドロップアウトを予測するための機械学習アプローチを紹介します。
提示されたアルゴリズムは、IUPESM WC 2022 の一部である IFMBE Scientific Challenge 2022 に提出されました。指定されたデータベースを処理し、7 つのデータセットを生成しました。
前処理技術を使用して、動的および静的な特徴を使用してユーザーの遵守を予測する分類モデルを構築しました。
私たちは 11 回の公式実行を提出し、その結果は機械学習アルゴリズムが高品質の遵守予測を提供できることを示しました。
結果に基づくと、動的特徴はモデルの分類パフォーマンスにプラスの影響を与えます。
データセットの不均衡な性質のため、分類パフォーマンスを向上させるために SMOTE や ADASYN などのオーバーサンプリング手法を採用しました。
オーバーサンプリングのアプローチにより、10\% という顕著な改善がもたらされました。
私たちの手法は、IFMBE Scientific Challenge 2022 で 1 位を獲得しました。

要約(オリジナル)

In this work, we present a machine learning approach for predicting early dropouts of an active and healthy ageing app. The presented algorithms have been submitted to the IFMBE Scientific Challenge 2022, part of IUPESM WC 2022. We have processed the given database and generated seven datasets. We used pre-processing techniques to construct classification models that predict the adherence of users using dynamic and static features. We submitted 11 official runs and our results show that machine learning algorithms can provide high-quality adherence predictions. Based on the results, the dynamic features positively influence a model’s classification performance. Due to the imbalanced nature of the dataset, we employed oversampling methods such as SMOTE and ADASYN to improve the classification performance. The oversampling approaches led to a remarkable improvement of 10\%. Our methods won first place in the IFMBE Scientific Challenge 2022.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google