1數(shù)據(jù)準(zhǔn)備

1.1數(shù)據(jù)選擇

本文采用癥狀自評量表（SCL－90），通過對某中職學(xué)校2011級學(xué)生進(jìn)行心理健康狀況測試得到的數(shù)據(jù)，發(fā)出問卷413份，其中有效問卷377份，有效率為91.3%。

1.2數(shù)據(jù)預(yù)處理

數(shù)據(jù)挖掘的目的是從日常業(yè)務(wù)數(shù)據(jù)中抽取一些有價值的知識或信息，但實(shí)際的數(shù)據(jù)庫太大，極易受噪聲數(shù)據(jù)、空缺數(shù)據(jù)和不一致性數(shù)據(jù)的侵?jǐn)_，這就給后續(xù)的數(shù)據(jù)分析和數(shù)據(jù)挖掘帶來極大的不便，甚至導(dǎo)致錯誤的結(jié)論，所以有必要對數(shù)據(jù)進(jìn)行預(yù)處理。經(jīng)驗(yàn)表明，只有通過前期細(xì)致的數(shù)據(jù)準(zhǔn)備工作，才能在數(shù)據(jù)挖掘過程中節(jié)省挖掘的時間，提高挖掘的效率，得到高質(zhì)量的挖掘結(jié)果。常見的數(shù)據(jù)預(yù)處理方法有多種，包括數(shù)據(jù)抽取、數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換等。

1）數(shù)據(jù)抽取

在數(shù)據(jù)挖掘過程中一般并不需要使用所有的數(shù)據(jù)，有些數(shù)據(jù)對構(gòu)建數(shù)據(jù)模型干擾不大，有些數(shù)據(jù)會降低挖掘計算的效率，甚至可能導(dǎo)致謬誤，并且這些數(shù)據(jù)對最終的數(shù)據(jù)分析沒有任何益處，也不會影響正確結(jié)論的獲得。因此，根據(jù)所定義的項(xiàng)目任務(wù)，確定所需的數(shù)據(jù)源，并從中收集和提取數(shù)據(jù)，查找數(shù)據(jù)屬性特征，減少數(shù)據(jù)規(guī)模，使得在不影響數(shù)據(jù)分析基礎(chǔ)上最大可能地精簡數(shù)據(jù)量，方便挖掘出數(shù)據(jù)之間隱含的規(guī)律和內(nèi)在的聯(lián)系。在收集到的中職學(xué)生心理健康測試數(shù)據(jù)中有很多屬性，其中有一些屬性與挖掘任務(wù)之間沒有太大關(guān)系，或數(shù)據(jù)本身沒有挖掘的意義。如學(xué)生的學(xué)號、姓名、ID號等屬性，這些屬性值都是唯一性的，而且數(shù)據(jù)量又很大，只會增加挖掘計算的時間和空間，可以直接刪除。另外，像民族、出生年月、學(xué)生類別之類的屬性，由于選取的數(shù)據(jù)中有八成以上為漢族學(xué)生，全部是2011級，類別過于集中，沒有分類的意義，對挖掘的結(jié)果影響不大，因此在數(shù)據(jù)提取時也需要清除這部分屬性值，使得數(shù)據(jù)規(guī)模得以降低。根據(jù)中職學(xué)生心理健康數(shù)據(jù)的特點(diǎn)，經(jīng)過數(shù)據(jù)抽取，確定了與挖掘任務(wù)相關(guān)的學(xué)生基本屬性是性別、獨(dú)生子女、專業(yè)、家庭所在地，分別對軀體化、強(qiáng)迫癥狀、人際關(guān)系敏感、抑郁、焦慮、敵對、恐怖、偏執(zhí)、精神病性等十個心理癥狀進(jìn)行挖掘。

2）數(shù)據(jù)清洗

數(shù)據(jù)清洗目的是通過檢測數(shù)據(jù)中存在的錯誤和不一致來清理數(shù)據(jù)，包括空值處理、噪聲處理及不一致數(shù)據(jù)的處理等。該文所使用的數(shù)據(jù)集在收回癥狀自評量表時已經(jīng)對數(shù)據(jù)的有效性做了初步的篩選，剔除了存在較大缺失的測試數(shù)據(jù)。因此，在數(shù)據(jù)清理這個環(huán)節(jié)主要針對數(shù)據(jù)中的不完整性、不一致性進(jìn)一步篩查，確保數(shù)據(jù)的有效性。在心理測試過程中，由于學(xué)生填涂不規(guī)范、錯填或者其他因素干擾等原因，導(dǎo)致數(shù)據(jù)不完整，會產(chǎn)生大量的噪聲數(shù)據(jù)。這些錯誤數(shù)據(jù)和空值數(shù)據(jù)、重復(fù)數(shù)據(jù)需要通過預(yù)處理方法進(jìn)行數(shù)據(jù)清洗。經(jīng)過對數(shù)據(jù)空值及不一致性的清理后，所得到的數(shù)據(jù)質(zhì)量有了很大的提高，保證了數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性和有效性。

3）數(shù)據(jù)轉(zhuǎn)換

數(shù)據(jù)轉(zhuǎn)換的基本原則是連續(xù)型數(shù)據(jù)離散化，離散型數(shù)據(jù)類別化。源數(shù)據(jù)中有些數(shù)據(jù)是連續(xù)型的，還有些數(shù)據(jù)雖是離散型，但其分類太多，如家庭所在地屬性值分散較廣，專業(yè)屬性值有多個等，不利于進(jìn)行數(shù)據(jù)挖掘，必須轉(zhuǎn)換。另外，為了提高挖掘的效率，必須規(guī)范數(shù)據(jù)格式，中文屬性值可用一些英文字符或數(shù)字編號替代。

2數(shù)據(jù)分類規(guī)則挖掘方法－基于決策樹模型的方法

數(shù)據(jù)分類是數(shù)據(jù)挖掘技術(shù)的主要組成部分，采用KDD技術(shù)對數(shù)據(jù)進(jìn)行有效分析。它能找出描述數(shù)據(jù)類或概念的模型，以便能使用模型預(yù)測類來標(biāo)記未知的對象類。在眾多的分類挖掘技術(shù)中，決策樹方法以其算法容易理解，易生成分類規(guī)則等優(yōu)點(diǎn)被廣泛研究和應(yīng)用。

2.1決策樹概述

決策樹方法首先對數(shù)據(jù)進(jìn)行處理，構(gòu)建分類模型，生成決策樹，利用生成的分類規(guī)則對新數(shù)據(jù)進(jìn)行分析。本質(zhì)上決策樹是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的過程。決策樹是一個可以自動對數(shù)據(jù)進(jìn)行分類的倒置樹形結(jié)構(gòu)，采用自頂向下的遞歸方式，對它的每個內(nèi)部節(jié)點(diǎn)進(jìn)行一個屬性上的測試，對每個節(jié)點(diǎn)上問題的不同回答引出兩個或多個分支，導(dǎo)致不同的結(jié)果，把這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹。決策樹中最頂層的節(jié)點(diǎn)稱為根節(jié)點(diǎn)，是整個決策樹的開始。每個節(jié)點(diǎn)代表一個屬性，并根據(jù)屬性值的不同判斷該節(jié)點(diǎn)向下的分支，最終會到達(dá)葉節(jié)點(diǎn)。其中每個分支代表它所連接的上節(jié)點(diǎn)在其屬性上的可能取值，每個葉節(jié)點(diǎn)對應(yīng)一個類別。根據(jù)類別屬性建立一個類似流程圖的樹形結(jié)構(gòu)，從根結(jié)點(diǎn)到葉結(jié)點(diǎn)的一條路徑就形成了一個分類規(guī)則，整個決策樹就相應(yīng)形成一組析取規(guī)則，這樣就很容易轉(zhuǎn)換成IF-THEN形式的分類規(guī)則，根據(jù)這個分類規(guī)則就可以比較容易地對新數(shù)據(jù)進(jìn)行分類識別和預(yù)測。

2.2ID3算法

生成決策樹的一個著名算法是ID3算法，是由Quinlan等人于1986年提出的，其基本思想是自頂向下遞歸地搜索訓(xùn)練樣本集，在每個節(jié)點(diǎn)處測試每一個屬性，從而構(gòu)成決策樹。ID3算法在每個非葉節(jié)點(diǎn)選擇信息增益最大的屬性作為測試屬性。ID3算法的核心是確定分支準(zhǔn)則，即如何從眾多的屬性變量中選擇一個最佳的分裂屬性。通常，在樹的每個非葉節(jié)點(diǎn)選擇具有信息增益最大的屬性作為當(dāng)前節(jié)點(diǎn)的測試屬性，使得對結(jié)果劃分中的樣本分類所需的信息量最小，并確保找到一棵相對簡單的樹。算法計算每個屬性的信息增益，具有最高信息增益的屬性選作給定集合的根節(jié)點(diǎn)，然后依次比對節(jié)點(diǎn)和訓(xùn)練樣本中的其他屬性值，完成對訓(xùn)練樣本的劃分。

3基于決策樹的中職學(xué)生心理健康模型的發(fā)現(xiàn)

將汽車制造與檢修、計算機(jī)網(wǎng)絡(luò)技術(shù)、機(jī)電技術(shù)應(yīng)用三個專業(yè)學(xué)生的數(shù)據(jù)抽出，共有242條記錄作為訓(xùn)練數(shù)據(jù)集進(jìn)行決策樹挖掘。具體包含了中職學(xué)生相關(guān)屬性(性別、獨(dú)生子女、專業(yè)、家庭所在地)和癥狀自評量表10個維度(軀體化、強(qiáng)迫癥狀、人際關(guān)系敏感、抑郁、焦慮、敵對、恐怖、偏執(zhí)、精神病性、其他)共14個字段。這里，將挖掘任務(wù)具體為分析焦慮癥狀與中職學(xué)生的哪些屬性相關(guān)，其相關(guān)程度如何。因此，選擇性別、獨(dú)生子女、專業(yè)、家庭所在地以及焦慮作為決策樹挖掘字段，生成如圖1所示決策樹。其中用JL1和JL2分別代表學(xué)生有焦慮癥狀和無焦慮癥狀。采用決策樹的最大特點(diǎn)就是能方便地提取分類規(guī)則，并使用IF...THEN形式表示對應(yīng)的分類規(guī)則。IF...THEN規(guī)則就是從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的每條路徑生成一個規(guī)則，據(jù)此可以得到如下判定學(xué)生是否焦慮的規(guī)則：IF獨(dú)生子女＝“是”and專業(yè)＝“機(jī)電技術(shù)應(yīng)用”and性別＝“男”and家庭所在地＝“農(nóng)村”THEN有焦慮癥狀；IF獨(dú)生子女＝“是”and專業(yè)＝“機(jī)電技術(shù)應(yīng)用”and性別＝“男”and家庭所在地＝“中小城市”THEN無焦慮癥狀；IF獨(dú)生子女＝“是”and專業(yè)＝“計算機(jī)網(wǎng)絡(luò)技術(shù)”and性別＝“男”THEN有焦慮癥狀；IF獨(dú)生子女＝“是”and專業(yè)＝“計算機(jī)網(wǎng)絡(luò)技術(shù)”and性別＝“女”THEN無焦慮癥狀；IF獨(dú)生子女＝“否”and專業(yè)＝“汽車制造與檢修”and性別＝“男”and家庭所在地＝“農(nóng)村”THEN無焦慮癥狀；IF獨(dú)生子女＝“否”and專業(yè)＝“汽車制造與檢修”and性別＝“女”and家庭所在地＝“農(nóng)村”THEN有焦慮癥狀；……從生成的決策樹可以看出，與焦慮癥狀最為相關(guān)的學(xué)生屬性是是否獨(dú)生子女，其次是專業(yè)。從圖中可以得出以下結(jié)論:獨(dú)生子女的焦慮程度明顯高于非獨(dú)生子女，男生的比例明顯高于女生，男生中為獨(dú)生子女、專業(yè)為機(jī)電技術(shù)應(yīng)用且來自農(nóng)村或小城鎮(zhèn)的學(xué)生焦慮癥狀比較普遍。根據(jù)分析的結(jié)果，在進(jìn)行與焦慮癥狀相關(guān)的心理咨詢、心理輔導(dǎo)工作中，應(yīng)對獨(dú)生子女、農(nóng)村或小村鎮(zhèn)、機(jī)電技術(shù)應(yīng)用專業(yè)男生等容易出現(xiàn)心理問題的群體給予特別的關(guān)注，予以適當(dāng)?shù)囊龑?dǎo)、幫助，降低心理健康問題對學(xué)生成長的影響。

4結(jié)束語

中職學(xué)生心理健康問題十分內(nèi)隱，外人無法直接感知，很難體會到有心理疾病學(xué)生矛盾、困惑乃至痛苦的內(nèi)心處境。通過對分類規(guī)則挖掘方法的闡述，輔以具體實(shí)例進(jìn)行描述，生成決策樹，并提取相應(yīng)的分類規(guī)則，方便學(xué)校心理咨詢老師和學(xué)生管理部門對心理問題比較集中的中職學(xué)生人群進(jìn)行提前干預(yù)，盡力控制心理疾病的發(fā)生，以提高中職學(xué)生的心理健康教育水平，讓中職學(xué)生能夠走出心理困境，健康成長。

本文作者：方勝 單位：安徽電氣工程學(xué)校