中职生心理健康教育中分类技术应用.docVIP

中职生心理健康教育中分类技术应用1数据准备 1.1数据选择 本文采用症状自评量表（SCL－90），通过对某中职学校2011级学生进行心理健康状况测试得到的数据，发出问卷413份，其中有效问卷377份，有效率为91.3%。 1.2数据预处理 数据挖掘的目的是从日常业务数据中抽取一些有价值的知识或信息，但实际的数据库太大，极易受噪声数据、空缺数据和不一致性数据的侵扰，这就给后续的数据分析和数据挖掘带来极大的不便，甚至导致错误的结论，所以有必要对数据进行预处理。经验表明，只有通过前期细致的数据准备工作，才能在数据挖掘过程中节省挖掘的时间，提高挖掘的效率，得到高质量的挖掘结果。常见的数据预处理方法有多种，包括数据抽取、数据清洗、数据集成、数据变换等。 1）数据抽取 在数据挖掘过程中一般并不需要使用所有的数据，有些数据对构建数据模型干扰不大，有些数据会降低挖掘计算的效率，甚至可能导致谬误，并且这些数据对最终的数据分析没有任何益处，也不会影响正确结论的获得。因此，根据所定义的项目任务，确定所需的数据源，并从中收集和提取数据，查找数据属性特征，减少数据规模，使得在不影响数据分析基础上最大可能地精简数据量，方便挖掘出数据之间隐含的规律和内在的联系。在收集到的中职学生心理健康测试数据中有很多属性，其中有一些属性与挖掘任务之间没有太大关系，或数据本身没有挖掘的意义。如学生的学