基于集成学习算法的高职生心理健康预测方法.docxVIP

  • 2
  • 0
  • 约1.01千字
  • 约 2页
  • 2021-03-14 发布于山东
  • 举报

基于集成学习算法的高职生心理健康预测方法.docx

基于集成学习算法的高职生心理健康预测方法 摘要:针对高职院校学生存在的心理健康问题现状,提 出一种利用集成学习算法―― Adaboost 进行心理健康预测 的方法。该方法首先抽取心理健康测试数据特征,经过数据 清洗和规范化处理后,以决策树为分类器对数据进行挖掘分 析,运用 Adaboost 算法对决策树分类器进行多轮迭代训练以 提高分类器的分类效能,建立起一种心理健康预测模型。利 用该模型对某高校 2015 级 2 780 名学生的心理健康测试数据 进行了分析。实验结果表明,该方法能够实现对敏感心理问 题的有效识别,从而为高职院校心理健康教育提供规划和决 策依据。 关键词: Adaboost 算法;高职生;心理健康; 预测方法;决策树 DOIDOI: 10.11907/rjdk.161681 中图分类号: TP319 文献标识码: A 文章编号: 1672-7800 2016)006-0162-03 参考文献: 余嘉元 .粗糙集和神经网络在心理测量中的应用[J].心 理学报, 2008( 8): 939-946. 余嘉元 .基于遗传算法的模糊综合评价在心理测量中的应用 [J].心理学报, 2009( 10): 1015-1023. 晏杰 .决策树算法的研究及其在大学生心理健康数据 处理中的应用 [J].江汉大学学报:自然科学版, 2015( 4): 371-375. 高广银

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档