Ensemble-based model to investigate factors influencing road crash fatality for imbalanced data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rapid growth of urbanization and motorization has significantly increased traffic crashes, leading to both loss of life and diminished quality of life for crash survivors and their families. Identifying the factors influencing crash fatality is crucial for reducing such incidents. However, traffic crashes are inherently unpredictable, and crash fatality datasets are often imbalanced. This study provides a comprehensive evaluation of various machine learning (ML) techniques to analyze traffic crash fatality using an imbalanced dataset. It is the first to train eight distinct binary classification models: Classification and Regression Trees (CART), Random Forest (RF), Gradient Boosting Machine (GBM), Extreme Gradient Boost (XGBoost), Logistic Regression (LR), Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and Naïve Bayes (NB) under three strategies: in isolation, with bagging, and with optimized bagging techniques (Grid Search CV, Random Search CV, and Bayesian Optimization). To handle data imbalance, eight resampling methods were employed, including SMOTE, Random Under-sampling (RUS), Random Over-sampling (ROS), ADASYN, Tomek Links, Near Miss, SMOTETomek, and SMOTEENN. Results show that GBM, combined with Bayesian optimized bagging and RUS, achieved the best performance with a G-mean score of 65.23 and an F1 score of 60.06. This study offers valuable insights into effective ML techniques, data resampling methods, and advanced optimization strategies for imbalanced crash severity datasets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle