可注释AI撒哈拉以南非洲男性烟草利用预测因子全

　　本研究针对撒哈拉以南非洲（SSA）男性烟草利用率快速上升的公共卫生危机，操纵20国147，466名男性的健康查询拜访数据，连系XGBoost等6种机械进修算法和SHAP可注释性阐发，初次建立高精度预测模子（精确率98%，春秋、教育、为制定靶向干涉策略供给数据驱动根据，凸显机械进修正在公共卫生政策中的价值。整合2018-2023年20个SSA国度的尺度化生齿健康查询拜访（DHS）数据，初次采用可注释机械进修框架系统解析男性烟草利用的预测因子。研究团队通过度层整群抽样纳入147，466名15-64岁男性，操纵STATA 17进行数据清洗，Python 3。9建立预测模子。环节手艺包罗。

　　该不只为SSA地域应对烟草风行供给了数据驱动的决策东西，更开创了可注释人工智能正在复杂社会健康问题中使用的新范式。正如做者Mequannent Sharew Melaku所述：SHAP框架使我们超越黑箱预测，实正理解驱动烟草利用的社会机制——这是设想无效干涉的第一步。