{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5309613"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5309613","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Συνήθειες τρόπου ζωής: μια ανάλυση για το κάπνισμα, την κατανάλωση αλκοόλ και βασικούς δείκτες υγείας","abstract":"Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της κατανάλωσης αλκοόλ και της κατάστασης καπνίσματος. Τα δεδομένα προέρχονται από την Εθνική Υπηρεσία Ασφάλισης Υγείας της Κορέας και έχουν αντληθεί από την πλατφόρμα Kaggle, περιλαμβάνοντας 24 μεταβλητές. Οι μεταβλητές στόχοι είναι δύο: η κατανάλωση αλκοόλ, που ταξινομείται ως δυαδική (ναι/όχι), και η κατάσταση καπνίσματος, που περιλαμβάνει τρεις κατηγορίες (μη καπνιστής, πρώην καπνιστής, καπνιστής). Η εργασία εφαρμόζει τρεις κύριους αλγόριθμους μηχανικής μάθησης (δέντρα αποφάσεων, τυχαία δάση και XGBoost), προκειμένου να αξιολογήσει τη δυνατότητα πρόβλεψης και την ακρίβεια αυτών των μοντέλων. Μέσα από διερευνητική ανάλυση δεδομένων, στατιστική αξιολόγηση και εφαρμογή τεχνικών προεπεξεργασίας, εξάγονται συμπεράσματα που αναδεικνύουν σημαντικές συσχετίσεις μεταξύ δημογραφικών και υγειονομικών παραμέτρων και των δύο συμπεριφορών. Η μελέτη προσφέρει πολύτιμες γνώσεις για τη διαμόρφωση πολιτικών δημόσιας υγείας και την κατανόηση παραγόντων που επηρεάζουν την κατανάλωση αλκοόλ και καπνού.","abstract_html":"Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της κατανάλωσης αλκοόλ και της κατάστασης καπνίσματος. Τα δεδομένα προέρχονται από την Εθνική Υπηρεσία Ασφάλισης Υγείας της Κορέας και έχουν αντληθεί από την πλατφόρμα Kaggle, περιλαμβάνοντας 24 μεταβλητές. Οι μεταβλητές στόχοι είναι δύο: η κατανάλωση αλκοόλ, που ταξινομείται ως δυαδική (ναι/όχι), και η κατάσταση καπνίσματος, που περιλαμβάνει τρεις κατηγορίες (μη καπνιστής, πρώην καπνιστής, καπνιστής). Η εργασία εφαρμόζει τρεις κύριους αλγόριθμους μηχανικής μάθησης (δέντρα αποφάσεων, τυχαία δάση και XGBoost), προκειμένου να αξιολογήσει τη δυνατότητα πρόβλεψης και την ακρίβεια αυτών των μοντέλων. Μέσα από διερευνητική ανάλυση δεδομένων, στατιστική αξιολόγηση και εφαρμογή τεχνικών προεπεξεργασίας, εξάγονται συμπεράσματα που αναδεικνύουν σημαντικές συσχετίσεις μεταξύ δημογραφικών και υγειονομικών παραμέτρων και των δύο συμπεριφορών. Η μελέτη προσφέρει πολύτιμες γνώσεις για τη διαμόρφωση πολιτικών δημόσιας υγείας και την κατανόηση παραγόντων που επηρεάζουν την κατανάλωση αλκοόλ και καπνού.","abstract_has_math":false,"creators":["ΚΙΟΡΡΙ ΑΡΙΕΛΑ","KIORRI ARIELA"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:40:26Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5309613"],"render_values":[{"text":"uoadl:5309613","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309613","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5309613","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5309613","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΚΙΟΡΡΙ ΑΡΙΕΛΑ","KIORRI ARIELA"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5309613","https://pergamos.lib.uoa.gr/uoa/dl/object/5309613"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της κατανάλωσης αλκοόλ και της κατάστασης καπνίσματος. Τα δεδομένα προέρχονται από την Εθνική Υπηρεσία Ασφάλισης Υγείας της Κορέας και έχουν αντληθεί από την πλατφόρμα Kaggle, περιλαμβάνοντας 24 μεταβλητές. Οι μεταβλητές στόχοι είναι δύο: η κατανάλωση αλκοόλ, που ταξινομείται ως δυαδική (ναι/όχι), και η κατάσταση καπνίσματος, που περιλαμβάνει τρεις κατηγορίες (μη καπνιστής, πρώην καπνιστής, καπνιστής). Η εργασία εφαρμόζει τρεις κύριους αλγόριθμους μηχανικής μάθησης (δέντρα αποφάσεων, τυχαία δάση και XGBoost), προκειμένου να αξιολογήσει τη δυνατότητα πρόβλεψης και την ακρίβεια αυτών των μοντέλων. Μέσα από διερευνητική ανάλυση δεδομένων, στατιστική αξιολόγηση και εφαρμογή τεχνικών προεπεξεργασίας, εξάγονται συμπεράσματα που αναδεικνύουν σημαντικές συσχετίσεις μεταξύ δημογραφικών και υγειονομικών παραμέτρων και των δύο συμπεριφορών. Η μελέτη προσφέρει πολύτιμες γνώσεις για τη διαμόρφωση πολιτικών δημόσιας υγείας και την κατανόηση παραγόντων που επηρεάζουν την κατανάλωση αλκοόλ και καπνού.","This thesis investigates the application of machine learning algorithms to predict alcohol consumption and smoking status using data from the Korean National Health Insurance Service, sourced from the Kaggle platform. The dataset includes 24 variables, focusing on two target variables: alcohol consumption (binary: yes/no) and smoking status (non-smoker, former smoker, current smoker). Three key machine learning algorithms (decision trees, random forests, and XGBoost) are implemented to evaluate their predictive accuracy and performance. Through exploratory data analysis, statistical evaluation, and data preprocessing, the study identifies significant correlations between demographic and health parameters with the behaviors under investigation. The findings provide valuable insights for shaping public health policies and understanding the factors influencing alcohol and tobacco use, contributing to targeted intervention strategies."]},{"key":"dc:title","label":"Title","values":["Συνήθειες τρόπου ζωής: μια ανάλυση για το κάπνισμα, την κατανάλωση αλκοόλ και βασικούς δείκτες υγείας"]}]}],"canonical_facts":{"dc:creator":["ΚΙΟΡΡΙ ΑΡΙΕΛΑ","KIORRI ARIELA"],"dc:date":["2025"],"dc:description":["Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη της κατανάλωσης αλκοόλ και της κατάστασης καπνίσματος. Τα δεδομένα προέρχονται από την Εθνική Υπηρεσία Ασφάλισης Υγείας της Κορέας και έχουν αντληθεί από την πλατφόρμα Kaggle, περιλαμβάνοντας 24 μεταβλητές. Οι μεταβλητές στόχοι είναι δύο: η κατανάλωση αλκοόλ, που ταξινομείται ως δυαδική (ναι/όχι), και η κατάσταση καπνίσματος, που περιλαμβάνει τρεις κατηγορίες (μη καπνιστής, πρώην καπνιστής, καπνιστής). Η εργασία εφαρμόζει τρεις κύριους αλγόριθμους μηχανικής μάθησης (δέντρα αποφάσεων, τυχαία δάση και XGBoost), προκειμένου να αξιολογήσει τη δυνατότητα πρόβλεψης και την ακρίβεια αυτών των μοντέλων. Μέσα από διερευνητική ανάλυση δεδομένων, στατιστική αξιολόγηση και εφαρμογή τεχνικών προεπεξεργασίας, εξάγονται συμπεράσματα που αναδεικνύουν σημαντικές συσχετίσεις μεταξύ δημογραφικών και υγειονομικών παραμέτρων και των δύο συμπεριφορών. Η μελέτη προσφέρει πολύτιμες γνώσεις για τη διαμόρφωση πολιτικών δημόσιας υγείας και την κατανόηση παραγόντων που επηρεάζουν την κατανάλωση αλκοόλ και καπνού.","This thesis investigates the application of machine learning algorithms to predict alcohol consumption and smoking status using data from the Korean National Health Insurance Service, sourced from the Kaggle platform. The dataset includes 24 variables, focusing on two target variables: alcohol consumption (binary: yes/no) and smoking status (non-smoker, former smoker, current smoker). Three key machine learning algorithms (decision trees, random forests, and XGBoost) are implemented to evaluate their predictive accuracy and performance. Through exploratory data analysis, statistical evaluation, and data preprocessing, the study identifies significant correlations between demographic and health parameters with the behaviors under investigation. The findings provide valuable insights for shaping public health policies and understanding the factors influencing alcohol and tobacco use, contributing to targeted intervention strategies."],"dc:identifier":["uoadl:5309613","https://pergamos.lib.uoa.gr/uoa/dl/object/5309613"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Συνήθειες τρόπου ζωής: μια ανάλυση για το κάπνισμα, την κατανάλωση αλκοόλ και βασικούς δείκτες υγείας"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:40:26Z"}