公开(公告)号：CN112530546B

公开(公告)日：2024-03-22

申请号：CN202011467838.3

申请日：2020-12-14

Applicant: 重庆邮电大学

Inventor： 邵亚斌 ,  韩雨彤 ,  胡梦圆 ,  李雪莲 ,  钟义菊 ,  方艺添

IPC: G16H20/70 ,  G16H50/20 ,  G16H50/70 ,  G06F18/23213 ,  G06F18/214

Abstract: 本发明请求保护一种基于K‑means聚类与XGBoost算法的心理预判方法及系统，该方法包括：1)利用机器学习的方法，基于已知样本中的决定性特征，建立和训练基于样本决定性特征的心理预判模型；2)获取新个体的决定性特征数据，根据所述的基于样本决定性特征的心理预判模型得到该新个体的心理健康状况，根据结果来预判学生心理健康。本发明所达到的有益效果：本模型利用机器学习中的XGBoost算法提取关键的决定性特征，有助于更加准确地进行心理健康状态评估。在适当调参后，在测试集上进行测试集测试，准确率能够达到98％～100％，说明效果明显，模型普适性高。本发明可提供精确的心理预判模型，给学校的学生管理工作提供便利。

公开(公告)号：CN112530546A

公开(公告)日：2021-03-19

申请号：CN202011467838.3

申请日：2020-12-14

Applicant: 重庆邮电大学

Inventor： 邵亚斌 ,  韩雨彤 ,  胡梦圆 ,  李雪莲 ,  钟义菊 ,  方艺添

IPC: G16H20/70 ,  G16H50/20 ,  G16H50/70 ,  G06K9/62

Abstract: 本发明请求保护一种基于K‑means聚类与XGBoost算法的心理预判方法及系统，该方法包括：1)利用机器学习的方法，基于已知样本中的决定性特征，建立和训练基于样本决定性特征的心理预判模型；2)获取新个体的决定性特征数据，根据所述的基于样本决定性特征的心理预判模型得到该新个体的心理健康状况，根据结果来预判学生心理健康。本发明所达到的有益效果：本模型利用机器学习中的XGBoost算法提取关键的决定性特征，有助于更加准确地进行心理健康状态评估。在适当调参后，在测试集上进行测试集测试，准确率能够达到98％～100％，说明效果明显，模型普适性高。本发明可提供精确的心理预判模型，给学校的学生管理工作提供便利。