基于集成學習算法的高職生心理健康預測方法

熊祖濤

摘要：針對高職院校學生存在的心理健康問題現狀，提出一種利用集成學習算法——Adaboost進行心理健康預測的方法。該方法首先抽取心理健康測試數據特征，經過數據清洗和規范化處理后，以決策樹為分類器對數據進行挖掘分析，運用Adaboost算法對決策樹分類器進行多輪迭代訓練以提高分類器的分類效能，建立起一種心理健康預測模型。利用該模型對某高校2015級2 780名學生的心理健康測試數據進行了分析。實驗結果表明，該方法能夠實現對敏感心理問題的有效識別，從而為高職院校心理健康教育提供規劃和決策依據。

關鍵詞：Adaboost算法；高職生；心理健康；預測方法；決策樹

DOIDOI：10.11907/rjdk.161681

中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2016）006-0162-03

參考文獻：

[1]余嘉元.粗糙集和神經網絡在心理測量中的應用[J].心理學報，2008（8）：939-946.

[2]余嘉元.基于遺傳算法的模糊綜合評價在心理測量中的應用[J].心理學報，2009（10）：1015-1023.

[3]晏杰.決策樹算法的研究及其在大學生心理健康數據處理中的應用[J].江漢大學學報：自然科學版，2015（4）：371-375.

[4]高廣銀，劉姜，丁勇.基于Vague集及隱馬爾科夫的大學生心理危機預測[J].上海理工大學學報，2015（4）：380-384，391.

[5]李哲，張映雪，胡蕙.聚類分析在大學生心理健康管理中的應用[J].湖北工程學院學報，2014（6）：53-57.

[6]何廣東.數據挖掘技術在大學生心理問題分析中的應用研究[D].保定：河北大學，2013.

[7]李夢然.基于Logistic和決策樹模型的大學生亞健康狀況及影響因素分析[D].北京：北京交通大學，2015.

[8]黃中海.數據挖掘在高校學生心理危機預防中的應用[D].武漢：武漢科技大學，2015.

[9]付忠良.關于AdaBoost有效性的分析[J].計算機研究與發展，2008（10）：1747-1755.

[10]曹瑩，苗啟廣，劉家辰，等.AdaBoost算法研究進展與展望[J].自動化學報，2013（6）：745-758.