大数据挖掘的分类算法应用
——以XGBoost为例

田 威

（常德职业技术学院，湖南 常德 415000）

0 引言

近年来，大量研究资料表明，高校“00后”中有相当一部分人存在心理问题，且数量逐年上升，关注、解决高校学生存在的这种问题刻不容缓。据统计，独生子女、留守儿童经历、家长对子女的教育等因素都会对学生的心理健康产生很大的影响。常德职业技术学院对学生的心理普查非常重视，对于有问题的学生会积极予以干预辅导和教育。但是当前学院对学生的心理普测仍然采用传统的问卷调查方法，即通过组织全院学生填写SCL－90量表，筛查结果往往不尽人意。原因如下：(1）筛查结果不准确，学生在填写问卷答题时，刻意隐瞒、随意乱填或者当时环境因素不好都会造成调查结果出现较大的偏差，而且问卷答题只能收集某一时刻学生的心理状态，缺乏时效性。(2）心理问题是一个相对动态的过程，对有潜在心理问题的学生没有办法进行及时辅导。(3）老师需要组织全院学生，且要保证学生在一个相对比较理想不受外界干扰的环境中填写，成本比较大［1］。

为了解决上述问题，本文从大数据和数据挖掘的角度，使用XGBoost分类算法，设计了学生心理健康问题预测应用，应用对比调查问卷具有高准确率、低成本等优点，能识别出有潜在心理问题的学生，还能够根据学生的特征数据变化不断自适应优化，保证高准确率。

1 XGBoost算法原理

XGBoost算法采用了集成思想，将多个弱分类器逐步迭代，集成组合在一起形成一个强分类器，是梯度提升决策树(GBDT）的一种高效实现。……