Una de las drogas más consumidas a nivel mundial, es sin lugar a duda el alcohol. Según algunas evidencias, los jóvenes suelen tomar contacto con el alcohol entre los 12 y 17 años, esto ha llevado a la realización de diferentes investigaciones con el fin de entender los patrones que pueden condicionar en los jóvenes el consumo de alcohol. El presente artículo tiene como objetivo analizar tres diferentes modelos predictivos basados en Machine Learning, con el fin de entender cuál de los modelos analizados responden de mejor manera al estudio de la predicción de la tendencia al alcoholismo en jóvenes. Para la realización del análisis, se ha tomado como base un dataset de 521 registros, obtenido de Kagle como modelo, el cual fue sometido al análisis de los tres modelos. Según las pruebas realizadas con los modelos predictivos, el modelo de Regresión Lineal posee una mayor preci-sión con un accuracy de 1.00 frente al 0.95 del modelo KNN y 0.98 del Árbol de Decisión. El estudio nos determina en las curvas ROC analizadas que el modelo de regresión lineal alcanza mejores resultados entre la sensibilidad de los verdaderos positivos y la especificidad de los falsos positivos. Por otro lado, debemos mencionar que según el dataset analizado, se tendría que los indicadores de predicción son: la zona donde vive el adolescente, el estado familiar en el que crece y la disposición de tiempo libre. Si bien el estudio no pretende ser concluyente, refleja la importancia de reconocer los factores psicosociales protectores en el diseño e implementación de programas de promoción y prevención asociados al consumo responsable de alcohol y de conducta no violenta con adolescentes desde una perspectiva salutogénica.
One of the most consumed drugs worldwide is, without a doubt, alcohol. According to some evidence, young people usually come into contact with alcohol between the ages of 12 and 17, this has led to different investigations in order to understand what patterns can condition alcohol consumption in young people. The objective of this article is to analyze three different pre-dictive models based on Machine Learning, in order to understand which of the analyzed models respond in the best way to the study of the prediction of the tendency to alcoholism in young people. To carry out the analysis, a data set of 521 records has been taken as a base, obtained from Kagle as a model, which was subjected to the analysis of the three models. According to the tests carried out with the predictive models, the Linear Regression model has greater precision with an accuracy of 1.00 compared to 0.95 for the KNN model and 0.98 for the Decision Tree. The study determines in the ROC curves analyzed that the linear regression model achieves better results between the sensitivity of true positives and the specificity of false positives. On the other hand, we must mention that according to the data set analyzed, the predictive indicators are the area where the adolescent lives, the family status in which he grows up, and the availability of free time. Although the study does not claim to be conclusive, it reflects the importance of recognizing protective psychosocial factors in the design and implementation of promotion and prevention programs associated with responsible alcohol consumption and non-violent behavior with adolescents from a salutogenic perspective.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados