An Interpretable Statistical Learning Framework for Binary Classification: An Application to Student Stress Prediction
本研究は、ペナルティ付き回帰、ブートストラップ安定選択、およびSHAPに基づく説明可能な機械学習を統合し、試験のプレッシャーや睡眠時間といった主要な予測因子を特定しながら、モデルの透明性と再現性を確保しつつ、学生のストレスを正確に予測する解釈可能な統計的学習フレームワークを提案し、検証するものである。