热点事件持续更新
机器学习识别青少年违法风险因素
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月16日，一项在PsyArXiv发布的预印本研究（尚未经同行评审）比较了111个预测因子，用于识别青少年违法行为的早期风险因素。该研究基于瑞典人群队列，共2121名参与者，其中46.6%为女孩，采用随机森林方法，同时评估跨五个领域、四个发展阶段的111个预测因子，对青少年中期自评违法行为进行预测，全时段AUC为.787（95% CI [.747, .826]）。目前该研究仍为预印本，尚未经同行评审，后续进展有待进一步报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 00:30
一项预印本研究用随机森林比较111个预测因子，预测青少年中期自评违法行为，全时段AUC为.787。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- PsyArXiv 预印本机器学习研究比较111个预测因子，识别青少年违法行为的早期风险因素
一项基于瑞典人群队列（N = 2,121，46.6%为女孩）的研究，用随机森林同时评估了跨五个领域、四个发展阶段的111个预测因子，对青少年中期自评违法行为进行预测，全时段AUC = .787（95% CI [.747, .826]）。
本事件热度走势
当前热度 6·可比范围峰值 6（10月16日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。