基于機(jī)器學(xué)習(xí)的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析

丁楠

摘 要： 針對當(dāng)前大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測方法的預(yù)測誤差大，精度低等問題，提出基于機(jī)器學(xué)習(xí)的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析方法。首先采集大學(xué)生自殺風(fēng)險(xiǎn)的影響因素，并結(jié)合樣本熵對大學(xué)生自殺風(fēng)險(xiǎn)的影響因素子序列進(jìn)行復(fù)雜度分析，根據(jù)熵值進(jìn)行歸類疊加處理；然后利用交叉驗(yàn)證理論和重構(gòu)相空間理論建立大學(xué)生自殺因素間的相關(guān)系數(shù)矩陣；最后結(jié)合支持向量機(jī)理論確定大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測的決策函數(shù)，以此為依據(jù)組建大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測模型。結(jié)果表明，該方法的大學(xué)生自殺風(fēng)險(xiǎn)分析預(yù)測精度高，實(shí)用性較強(qiáng)，可以為積極開展自殺預(yù)防與危機(jī)干預(yù)提供重要的理論依據(jù)。

關(guān)鍵詞： 機(jī)器學(xué)習(xí)； 大學(xué)生自殺風(fēng)險(xiǎn)； 預(yù)測方法； 結(jié)果分析

中圖分類號(hào)： TN911.1?34； B849 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）21?0091?03

Prediction and analysis of college student suicide risk based on machine learning

DING Nan

（Luoyang Institute of Science and Technology， Luoyang 471023， China）

Abstract： The available prediction methods of college student suicide risk has large prediction error and low prediction accuracy， therefore， a college student suicide risk prediction and analysis method based on machine learning is put forward. The factors influencing the college student suicide risk are acquired. The sample entropy is combined to analyze the subsequence of the factors influencing the college student suicide risk to perform the complexity analysis， according to which， the factors are classified and superimposed. The cross?validation theory and phase?space reconstruction theory are used to establish the correlation coefficient matrix for the suicide factors of college student， and combined with the support vector machine theory to determine the decision function of college student suicide risk prediction. According to the decision function， the prediction model of college student suicide risk is established. The experimental results show that the proposed method has high analysis and prediction accuracy for college student suicide risk， strong practicability， and can provide the important theory basis for the active development of the suicide prevention and crisis intervention.

Keywords： machine learning； college student suicide risk； prediction method； result analysis

0 引 言

近年來，隨著高等院校的招生就業(yè)以及對教育、教學(xué)管理體制不斷的深化和改革，導(dǎo)致大學(xué)生在接受良好的教育資源的同時(shí)，也承受著越來越大的學(xué)業(yè)、經(jīng)濟(jì)、人際、情感的壓力以及困擾，使得大學(xué)生逐漸產(chǎn)生了不同程度的心理危機(jī)，造成大學(xué)生自殺事件頻現(xiàn)[1?2]。由于大學(xué)生自殺事件對社會(huì)、學(xué)校、家庭產(chǎn)生的負(fù)面效應(yīng)較大，也因此成為了影響校園安全和穩(wěn)定的重要影響因素之一[3]。因此，如何有效進(jìn)行大學(xué)生的自殺風(fēng)險(xiǎn)預(yù)測已成為現(xiàn)階段亟需解決的問題，為積極開展自殺預(yù)防與危機(jī)干預(yù)提供重要的理論依據(jù)[4?5]。

現(xiàn)階段大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析研究的方法較為單一，多數(shù)采用問卷調(diào)查等方式，此類方法要求參與調(diào)查的大學(xué)生數(shù)量必須較大，才能保證調(diào)查的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測結(jié)果的精確性，在實(shí)際應(yīng)用過程中存在隨機(jī)性強(qiáng)、調(diào)查耗時(shí)長、預(yù)測性差、實(shí)用性低等問題[6?9]。

針對上述問題，提出基于機(jī)器學(xué)習(xí)的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測分析方法。實(shí)驗(yàn)結(jié)果表明，該方法的大學(xué)生自殺風(fēng)險(xiǎn)分析效果較好，具有預(yù)測精度高、建模時(shí)間短、實(shí)用性好等優(yōu)點(diǎn)。

1 機(jī)器學(xué)習(xí)的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析

在進(jìn)行大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析過程中，先獲取大學(xué)生自殺風(fēng)險(xiǎn)與大學(xué)生自殺因素的關(guān)系，對影響大學(xué)生自殺風(fēng)險(xiǎn)的因素進(jìn)行歸一化處理；其次利用樣本熵對不同尺度的大學(xué)生自殺風(fēng)險(xiǎn)因素子序列進(jìn)行復(fù)雜度分析，根據(jù)大學(xué)生自殺風(fēng)險(xiǎn)因素子序列的不同熵值進(jìn)行歸類疊加，產(chǎn)生新的大學(xué)生自殺風(fēng)險(xiǎn)因素子序列。結(jié)合交叉驗(yàn)證理論和重構(gòu)相空間理論確定支持向量機(jī)的各種參數(shù)和輸入維數(shù)，由此組建大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測模型。endprint

1.1 大學(xué)生自殺風(fēng)險(xiǎn)因素的歸一化處理

假設(shè)[d]代表大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量的維數(shù)變量，[d=1，2，…，m，][m]為大學(xué)生自殺風(fēng)險(xiǎn)顯著預(yù)測變量的總維數(shù)的個(gè)數(shù)，對大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量序列進(jìn)行歸一化處理，利用式（1）進(jìn)行表示：

[xdk=xdk-minxdklk=1maxxdklk=1-minxdklk=1] （1）

式中：[xdk]表示大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量序列；[l]代表大學(xué)生在面對明顯逆境和創(chuàng)傷時(shí)，心理適應(yīng)的動(dòng)態(tài)過程；[k]代表大學(xué)生在不同心理適應(yīng)動(dòng)態(tài)變化下的心理癥狀。

假設(shè)[x（i）]代表大學(xué)生自殺風(fēng)險(xiǎn)顯著預(yù)測變量的子序列，[x（1），x（2），…，x（N），][N]代表大學(xué)生自殺風(fēng)險(xiǎn)顯著預(yù)測變量的總數(shù)，從多個(gè)視角分析大學(xué)生高危心理因素對自殺風(fēng)險(xiǎn)的影響程度，按順序構(gòu)成大學(xué)生自殺風(fēng)險(xiǎn)顯著預(yù)測變量的[m]維矢量：

[X（i）=x（i），x（i+1），…，x（i+m-1）] （2）

式中：[i=1，2，…，N-m+1；][X（i）]代表不同[i]值的大學(xué)生高危心理因素對自殺風(fēng)險(xiǎn)的影響程度。

計(jì)算[X（i）]與不同大學(xué)生高危心理因素[X（j）（j=1，2，…，][N-m+1，]且[j≠i]）之間的相關(guān)性距離：

[dmX（i），X（j）=maxx（i+k）-x（j+k）] （3）

給定不同大學(xué)生高危心理因素之間的相似容限[r]（[r]>0），計(jì)算滿足[dmX（i），X（j）≥r]約束條件的數(shù)目，再結(jié)合式（4）計(jì)算出不同大學(xué)生高危心理因素之間的相似容限與大學(xué)生高危心理因素相關(guān)性距離總數(shù)[N-m]的比值[Bmi（r）]，即：

[Bmi（r）=1N-mnumdmX（i），X（j）≥r] （4）

式中：[i=1，2，…，N-m+1，][j≠i；][Bmi（r）]代表大學(xué)生高危心理因素影響下的偏執(zhí)行為；[num]表示[dmX（i），X（j）][≥][r]的數(shù)目，利用式（5）計(jì)算出大學(xué)生高危心理因素影響下的自殺態(tài)度與自殺傾向之間的關(guān)系：

[Bm（r）=1N-m+1i=1N-m+1Bmi（r）βu] （5）

式中：[βu]代表大學(xué)生對自殺行為保持的階段性意識(shí)傾向。當(dāng)大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量維數(shù)[m]增加為[m+1，]重復(fù)對式（2）～式（4）的計(jì)算，可以重新計(jì)算出大學(xué)生高危心理因素影響下的自殺態(tài)度與自殺傾向之間的關(guān)系：

[Bm+1（r）=1N-mi=1N-mBm+1i（r）φu] （6）

式中[φu]代表大學(xué)生潛在自殺可能性發(fā)生率。

利用樣本熵定理對式（5）和式（6）進(jìn)行歸類疊加可得到大學(xué)生高危心理因素影響下的自殺行為沖動(dòng)性表現(xiàn)：

[SampEn（N，m，r）=-μulnBm+1（r）Bm（r）] （7）

式中：[μu]代表大學(xué)生采取過激行為造成的心理壓力的負(fù)性事件。大學(xué)生高危心理因素影響下的自殺行為沖動(dòng)性表現(xiàn)與大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量[m]以及不同大學(xué)生高危心理因素之間的相似容限[r]有關(guān)。

1.2 組建大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測模型

結(jié)合機(jī)器學(xué)習(xí)理論得到大學(xué)生采取過激行為造成的心理壓力的負(fù)性事件導(dǎo)致的自殺意念，利用式（8）進(jìn)行計(jì)算：

[minJ（ω，ξ）=12ωTω-C2i=1lξ2is.t. yi=ωT?（xi）+b+ξi] （8）

式中：[xi]和[yi]分別代表自殺風(fēng)險(xiǎn)影響因素和自殺意念強(qiáng)度特征值；[ωT]代表大學(xué)生面對負(fù)性事件的應(yīng)對方式；[ω]代表該應(yīng)對產(chǎn)生自殺意念的發(fā)生率；[J]代表應(yīng)急生活事件對自殺意念的影響作用；[?（xi）]代表產(chǎn)生自殺心理危機(jī)的持續(xù)時(shí)間；[ξi]代表暴力行為函數(shù)；[b]代表學(xué)業(yè)壓力系數(shù)；[C]代表生活態(tài)度階段性變化屬性值。

結(jié)合拉格朗日理論對上述約束問題進(jìn)行優(yōu)化，得到不同高危心理因素影響下的大學(xué)生自殺意念發(fā)生率的多項(xiàng)式函數(shù)為：

[L（ω，b，ξ，α）=J（ω，ξ）-i=1lαiωT?（xi）+b+ξi-yi] （9）

式中[αi]為拉格朗日乘子。

對[ω，][ξi，][b，][αi]進(jìn)行交叉驗(yàn)證和相空間重構(gòu)，可得到大學(xué)生自殺風(fēng)險(xiǎn)因素間相關(guān)系數(shù)矩陣：[0ITyΩ+C-1E×bα=0I] （10）

式中：[E]是[l×l]維的單位矩陣；[I]代表主要影響大學(xué)生自殺意念的強(qiáng)度值；[α=α1，α2，…，αiT]代表大學(xué)生不同負(fù)性事件應(yīng)對方式的不定風(fēng)險(xiǎn)系數(shù)；[y=y1，y2，…，yiT]代表大學(xué)生面對負(fù)性事件影響時(shí)產(chǎn)生自殺意念表現(xiàn)的應(yīng)對方式；[Ωij=?（xi）??（xj）=K（xi，xj）]為滿足重構(gòu)相空間理論的核函數(shù)。重構(gòu)相空間理論的核函數(shù)可作為支持向量機(jī)的高斯核函數(shù)，利用高斯核函數(shù)作為大學(xué)生自殺風(fēng)險(xiǎn)支持向量機(jī)預(yù)測模型的核函數(shù)。通過求解式（10）可得到大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測的決策函數(shù)：

[fx=i=1lαi×exp-xi-xj22σ2+b] （11）

式中：[fx]為大學(xué)生自殺的意念強(qiáng)度值；[xi]為輸入任意一個(gè)大學(xué)生自殺風(fēng)險(xiǎn)影響因素；[σ]為高斯核函數(shù)的寬度參數(shù)，以此為依據(jù)組建大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測模型。

2 仿真實(shí)驗(yàn)分析

實(shí)驗(yàn)數(shù)據(jù)來源于北京市某綜合大學(xué)文理科院8個(gè)系的全體學(xué)生，共2 215人，統(tǒng)一到學(xué)校的機(jī)房進(jìn)行施測，施測時(shí)間為5天，在對可靠的樣本數(shù)據(jù)回收后，以式（8）的計(jì)算結(jié)果為依據(jù)，考察本文預(yù)測模型分析大學(xué)生自殺意念、自殺計(jì)劃以及自殺行為是否在生活應(yīng)急事件、偏執(zhí)以及暴力等自殺風(fēng)險(xiǎn)影響因素上的顯著差異，這里指的生活應(yīng)急事件主要是家庭、學(xué)校以及工作等情境中發(fā)生的應(yīng)急事件。結(jié)合Matlab軟件進(jìn)行獨(dú)立樣本檢驗(yàn)，統(tǒng)計(jì)結(jié)果見表1。通過表1可以說明，偏執(zhí)、暴力、生活應(yīng)急事件三個(gè)因素對大學(xué)生自殺意念具有極其顯著的差異（[t<]0.001），自殺計(jì)劃在生活應(yīng)急事件因素上存在顯著差異（[t<]0.05），自殺行為在偏執(zhí)、暴力、生活應(yīng)急事件三個(gè)因素上不存在顯著差異（[t>]0.05）。endprint

為了證明偏執(zhí)、暴力、生活應(yīng)急事件對大學(xué)生自殺意念的產(chǎn)生是否存在影響以及影響程度大小，以偏執(zhí)、暴力、生活應(yīng)急事件為變量，自殺意念為因素進(jìn)行方差分析，利用式（12）給出方差分析計(jì)算過程：

[F=m?P2+σ2σ2=m?P2σ2+1] （12）

式中：[F]代表在相應(yīng)顯著水平下的臨界值；[P]代表在相應(yīng)[F]值下的概率值。

機(jī)器學(xué)習(xí)預(yù)測模型的統(tǒng)計(jì)結(jié)果見表2，通過表2可以說明偏執(zhí)、暴力以及生活應(yīng)急事件三個(gè)因素對大學(xué)生自殺意念的產(chǎn)生都具有極其顯著的影響，且生活應(yīng)急事件對大學(xué)生自殺意念產(chǎn)生的影響最大。

以表2給出的統(tǒng)計(jì)結(jié)果為理論依據(jù)，將實(shí)際大學(xué)生自殺風(fēng)險(xiǎn)因素趨勢曲線與機(jī)器學(xué)習(xí)預(yù)測模型統(tǒng)計(jì)的大學(xué)生自殺風(fēng)險(xiǎn)因素趨勢曲線進(jìn)行對比，其結(jié)果如圖1所示。

分析圖1可知，利用機(jī)器學(xué)習(xí)預(yù)測模型統(tǒng)計(jì)的大學(xué)生自殺風(fēng)險(xiǎn)因素趨勢曲線與實(shí)際大學(xué)生自殺風(fēng)險(xiǎn)因素趨勢曲線相吻合。這主要是因?yàn)槔脵C(jī)器學(xué)習(xí)預(yù)測模型進(jìn)行大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測過程中，先獲取大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量，并對大學(xué)生自殺風(fēng)險(xiǎn)的顯著預(yù)測變量序列進(jìn)行歸一化處理，計(jì)算出各顯著預(yù)測變量與大學(xué)生高危心理因素之間的相關(guān)性距離，得到大學(xué)生高危心理因素影響下的自殺態(tài)度與自殺傾向之間的關(guān)系，在此基礎(chǔ)上結(jié)合樣本熵理論對大學(xué)生潛在自殺可能性發(fā)生率進(jìn)行分析、疊加重構(gòu)，得到大學(xué)生高危心理因素影響下的自殺行為沖動(dòng)性表現(xiàn)函數(shù)。在此基礎(chǔ)上，利用交叉驗(yàn)證理論和重構(gòu)相空間理論得到大學(xué)生自殺因素間的相關(guān)系數(shù)矩陣，結(jié)合支持向量機(jī)理論確定大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測的決策函數(shù)，以此為依據(jù)組建大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測模型。

3 結(jié) 語

針對當(dāng)前方法進(jìn)行大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測過程中難以準(zhǔn)確地預(yù)測出大學(xué)生自殺風(fēng)險(xiǎn)的主要誘發(fā)因素，存在分析誤差大、預(yù)測精度低的問題，提出基于機(jī)器學(xué)習(xí)的大學(xué)生自殺風(fēng)險(xiǎn)預(yù)測與分析方法。實(shí)驗(yàn)仿真證明，該方法的大學(xué)生自殺風(fēng)險(xiǎn)分析預(yù)測精度高，實(shí)用性較強(qiáng)，可以為積極開展自殺預(yù)防與危機(jī)干預(yù)提供重要的理論依據(jù)。

參考文獻(xiàn)

[1] 張道強(qiáng)，接標(biāo).基于機(jī)器學(xué)習(xí)的腦網(wǎng)絡(luò)分析方法及應(yīng)用[J].數(shù)據(jù)采集與處理，2015，30（1）：68?76.

[2] 余璐，程詠梅，劉夏雷，等.基于機(jī)器學(xué)習(xí)的SMN可靠性分析及量測誤差建模[J].西北工業(yè)大學(xué)學(xué)報(bào)，2016，34（2）：333?337.

[3] 王景中，李萌.基于LBP和PCA機(jī)器學(xué)習(xí)的手勢識(shí)別算法[J].計(jì)算機(jī)測量與控制，2015，23（4）：1320?1322.

[4] 王穎，李金，王磊，等.基于機(jī)器學(xué)習(xí)的microRNA預(yù)測方法研究進(jìn)展[J].計(jì)算機(jī)科學(xué)，2015，42（2）：7?13.

[5] 陳渝龍.重采樣與機(jī)器學(xué)習(xí)結(jié)合的防火墻鏈接動(dòng)態(tài)分配[J].科技通報(bào)，2015，31（10）：64?66.

[6] 羅曉.試論大學(xué)生自殺的風(fēng)險(xiǎn)因素[J].四川民族學(xué)院學(xué)報(bào)，2016，25（2）：75?79.

[7] 王舟，謝斌，卞茜，等.哥倫比亞自殺篩選問卷對高中生自殺風(fēng)險(xiǎn)評(píng)估的信效度[J].中華精神科雜志，2015，48（2）：104?108.

[8] 王延壽，謝婉麗，葛瑞華，等.TSP超前預(yù)報(bào)法在秦安高風(fēng)險(xiǎn)隧道中的應(yīng)用[J].科學(xué)技術(shù)與工程，2014，14（34）：97?103.

[9] 陶濤，史玉坤，袁錦，等.大學(xué)生自殺意念與死亡態(tài)度的相關(guān)分析[J].中國健康心理學(xué)雜志，2016，24（7）：1073?1076.

[10] 何維民，鄒云峰，王麗淵.基于客戶視角的電力營銷服務(wù)風(fēng)險(xiǎn)研究[J].現(xiàn)代電子技術(shù)，2016，39（15）：123?126.endprint