K-means 聚類算法在分析大學生心理健康的應用

陳秋伍 魏惠梅 大連科技學院

關鍵字：R-shiny 數(shù)據(jù)分析 K-means 聚類算法 心理健康 數(shù)據(jù)可視化

1 背景分析

在當今大學校園中，大學生心理健康是值得重視的一個問題。在絕大部分的高校中，學校都設立了心理健康咨詢處，而且眾多學生的心理健康數(shù)據(jù)都會儲存在這里的數(shù)據(jù)庫中，通過對數(shù)據(jù)庫的基本操作，對解決心理健康問題也取得了一定的效果，但是數(shù)據(jù)庫中的數(shù)據(jù)并沒有得到充分利用和分析。為此，本文基于R-shiny 的數(shù)據(jù)分析平臺以及K-means 聚類算法，將數(shù)據(jù)根據(jù)重要特征量進行分類，做到數(shù)據(jù)可視化，繼而分析每一類的學生特點，可以提前發(fā)現(xiàn)這類學生潛在的心理健康問題，做到一種主動防御心理健康問題發(fā)生的機制。

2 k-means 聚類算法介紹

2.1 .k-means 聚類算法的定義

K 均值聚類算法（K-means clustering algorithm）是一種迭代求解的聚類分析算法，其步驟主要是選取K 個對象作為初始聚類中心，然后計算每個對象與各個種子聚類中心的距離，把每個對象分配給距離它最近的聚類中心。聚類中心以及分配給他們的對象就代表一個聚類。每分配一個樣本，聚類的聚類中心就會根據(jù)聚類中現(xiàn)有的對象被重新計算。這個過程不斷地重復知道滿足某一個結束條件。結束條件可以是沒有對象被重新分配給不同的聚類，沒有聚類中心再發(fā)生變化，誤差平方和局部最小。

2.2 .K-means 聚類算法的主要步驟

過程：

2：repeat

8：end for

13：else

14：保持當前均值向量不變

15：end if

16：end for

17：until 當前均值向量均未更新

注：其中第1 行對均值向量進行初始化；

在第4-8 行與第9-16 行以此對當前簇劃分及均值向量迭代更新，若迭代更新后聚類結果保持不變，則在第18 行將當前簇劃分結果返回。

3 實際案列分析

3.1 數(shù)據(jù)來源

基于R-shiny 數(shù)據(jù)分析平臺，調(diào)用其中的K-means 聚類分析算法，可以比較容易地將大量的數(shù)據(jù)歸類處理以及數(shù)據(jù)的可視化。我們對兩個班的學生做出了鍛煉、睡眠、社交能力、壓力、課堂等類別的問卷調(diào)查，每個類別都有一個或者多個特征量，最終在十周的問卷調(diào)查中隨機提取了72 小時的特征量數(shù)值作為數(shù)據(jù)來源。數(shù)據(jù)類別及特征量如表1 所示：

表1 數(shù)據(jù)來源示例

3.2 特征量的選擇

每個類別都有一個或者是多個特征量，特征量的選擇對研究學生的心理健康有著緊密的聯(lián)系，選取最佳的特征量就意味著最終的聚類結果有著更高的可信度，通過不斷地分析與比較，我們以“Sleep_hour”（睡眠時間），“Exercise_exercise”（鍛煉時間），“Class_hour”（課外做功課時間），“Stress_level”（壓力等級），“Social_number”（社交人數(shù)）作為五個最佳的特征量，其中的“Stress_level”是最能反映學生心理健康的一個特征量。

3.3 數(shù)據(jù)預處理

1.為了保證K-means 算法分析數(shù)據(jù)的準確性，需要對數(shù)據(jù)進行預處理。數(shù)據(jù)預處理的目的如下：

(1)保證數(shù)據(jù)的有效性：采集的數(shù)據(jù)要與研究的內(nèi)容相關，避免數(shù)據(jù)丟失；

(2)剔除孤立數(shù)據(jù)：把明顯不準確的數(shù)據(jù)剔除；

(3)統(tǒng)一數(shù)據(jù)尺度：對數(shù)據(jù)進行量化，方便聚類算法的運算和最終的可視化展現(xiàn)；

2.數(shù)據(jù)處理步驟如下：

(1)對每個學生樣本的特征量在計劃時間內(nèi)的數(shù)據(jù)進行均值處理；

(2)根據(jù)對應的數(shù)據(jù)轉(zhuǎn)換表，將特征量均值轉(zhuǎn)換為K-means 聚類算法所需均值初始向量；

3.數(shù)據(jù)預處理后如表2 所示：

表2 .部分數(shù)據(jù)預處理后示例

3.4 K-means 聚類分析結果

基于R-shiny 搭建了學生心理健康分析平臺。其中聚類的個數(shù)即K 值可以任意的選取，每選取一個K 值，樣本數(shù)據(jù)就會分為K 個群體，選取最佳的K 值對分析學生心理健康的準確性有著重要意義，通過不斷地分析與聚類對比，聚類分為5 類效果最佳。

1.學生心理健康數(shù)據(jù)聚類分析結果如圖1 所示：

圖1 .最終聚類分析結果

2.最終聚類結果分析：

(1)學生群C1 占比為42%，這類學生大多情商較高，善于交流，活潑好動，心態(tài)也是相當?shù)臉酚^，他們的大學生活豐富多彩，算得上是個逍遙子，他們愿意花更多的時間去做自己喜歡的事情，他們出現(xiàn)心理健康的幾率相當?shù)男。抢蠋熁蛘咻o導員更應該多鼓勵這類學生多花時間在學習上，為社會輸出優(yōu)秀人才。

(2)學生群C2 占比為13%，這類學生應該是輔導員值得關注的群體，他們反應出來的現(xiàn)象就是方向不明確，在大學找不到屬于自己的目標，稍遇挫折就極易的墮落，情緒也容易失控，并且，這類學生的心理健康問題早期是很難發(fā)現(xiàn)的，所以輔導員應該及時對該類學生做好心理疏導和方向指明。

(3)學生群C3 占比為18%，這類學生大多學習成績優(yōu)異，他們往往是班上的活動積極分子、班干部或?qū)W生會干部。對這類學生，應該好好地加栽培，將他們積極向上、樂觀開朗的心理狀態(tài)帶給班級的每一位學生，這個群體是在班集體中傳遞正能量的主要群體，輔導員應該對他們加以引導，讓他們的學習、品德更上一層樓。

(4)學生群C4 占比為12%，這類學生屬于貪玩調(diào)皮的那一類，他們喜歡打游戲的同時也鐘愛與鍛煉身體，對學習馬馬虎虎，然而他們卻有著很強大自尊心，在連續(xù)受到自尊心打擊的情況下，很可能會做出過激的反應，若他們出現(xiàn)心理健康問題是很容易及時發(fā)現(xiàn)的，在保護他們自尊心的同時也應該適當?shù)闹赋鏊麄兊腻e誤。

(5)學生群C5 占比為15%，這類學生，很容易發(fā)生心理健康問題，他們內(nèi)心的壓力太大，在小情緒的積累下，很容易就會精神崩潰，大多都是源于他們的實際行動追趕不上自己內(nèi)心的欲望，對于大多數(shù)的事情都只有三分鐘的熱度，容易被新的知識所難倒，又想在這方面達到很高的成績，這顯然是不可能的，輔導員應該鼓勵這類學生做事情應該腳踏實地，冰凍三尺非一日之寒。

4 結束語

借助該方法不僅有助于學校心理咨詢師、學生管理人員為學生提供更多更好的心理健康服務，而且能為高校心理健康教育工作者提供了一定的參考價值，提高相關管理人員的工作效率，彌補傳統(tǒng)分析方法存在的局限性，從而達到科學、合理、快速地反映學生心理狀態(tài)的目的。