[发明专利]一种基于K-means聚类与XGBoost算法的心理预判方法及系统

权利要求书

1.一种基于K-means聚类与XGBoost算法的心理预判方法，其特征在于，包括以下步骤：

采集学生的在校行为数据，以学生行为数据作为分类标签，记录数据，并对学生行为数据进行包括做重复值、缺失值、噪声值处理以及类型变换在内的数据预处理；

对于离散性特征，使用one-hot编码，将离散特征的取值扩展到了欧式空间，离散特征的某个取值就对应欧式空间的某个点；

采用K-means算法聚类分割成三类数据集，分别为label1：较大可能存在心理隐患；label2：存在心理隐患，但可能性不明显；label3：不存在心理隐患；

选取label1为‘较大可能存在心理隐患’的样本类，采用XGBoost算法进行有监督学习的分类得出XGBoost预测模型，将新个体的行为数据输入建立的XGBoost预测模型得出心理预判结果，并对参数进行调节，进行XGBoost预测模型测试，得出模型的准确度。

2.根据权利要求1所述的一种基于K-means聚类与XGBoost算法的心理预判方法，其特征在于，所述个体在校行为数据包括：

基本信息数据、成绩数据、课堂数据、一卡通数据、宿舍出入数据、图书馆出入与借阅数据、校园活动数据。

3.根据权利要求2所述的基于K-means聚类与XGBoost算法的心理预判方法，其特征在于，所述基本信息数据包括：性别、专业、年龄、籍贯、兴趣爱好；所述成绩数据包括：必修课/选修课成绩、课程平时成绩；所述课堂数据包括：课堂出勤情况、作业完成情况；所述一卡通数据包括：食堂消费金额，食堂消费类目，食堂消费时间；打水时间；淋浴消费金额，淋浴消费时间；超市消费金额，超市消费类目，超市消费时间；一卡通卡内余额；所述宿舍出入数据包括：宿舍出入时间，宿舍出入地点；所述图书馆出入与借阅数据包括：图书馆出入时间，图书借阅名称，图书借阅时间，图书归还时间；所述校园活动数据包括：班级任职情况，校内组织任职情况；勤工俭学时间，勤工俭学工资；每学期奖惩情况；课外活动积分值。

4.根据权利要求2所述的基于K-means聚类与XGBoost算法的心理预判方法，其特征在于，所述预处理步骤具体为：重复值处理、缺失值处理、噪声值处理以及类别变换。

重复值处理包括：用duplicates函数进行重复值删除，参数解释如下：

subset：列名，默认所有的列；

keep：是否保留{‘first’,‘last’,False}，keep＝'first'表示去重时每组重复数据保留第一条数据，其余数据丢弃；keep＝'last'表示去重时每组重复数据保留最后一条数据，其余数据丢弃；keep＝False表示去重时每组重复数据全部丢弃，不保留；

inplace：是否替换{False,True}，inplace＝False表示去重之后不覆盖原表格数据，inplace＝True表示去重之后原表格数据被覆盖。

缺失值处理包括：查看缺失情况、以指定值填补缺失值；

噪声值处理包括：同时采用盖帽法处理噪声值、分箱法处理噪声值；

类型变换包括：通过LabelEncoder来进行快速的转换：通过mapping方式，将类别映射为数值。不过这种方法适用范围有限；通过get_dummies方法来转换。