使用机器学习内省大学生幸福感
计算机与社会
2023-12-19 v1
摘要
幸福感基于积极心理结果强调了特定人群的直觉结构。它是认知技能的基石，探索大学生的幸福感最近一直是研究者的核心。在本研究中，我们使用统计分布图分析了大学生幸福感及其各个方面，并设计了研究问题。此外，将回归分析、机器学习和聚类算法分别应用于世界幸福感数据集和大学生数据集进行训练和测试。哲学系是最幸福的，而社会学系是最不幸福的；平均幸福感得分分别为2.8和2.44。健康的皮尔逊相关系数为0.74。预测幸福感得分为5.2，模型拟合优度为51%。训练误差和测试误差分别为0.52和0.47。在5%的置信区间（CI）下，校园环境（CE）和大学声誉（UR）的p值最小，课外活动（ECA）和工作平衡（WB）的p值最大（分别为0.184和0.228）。带聚类的随机森林获得了最高的准确率（89%）和F值（0.98），以及最小的误差（17.91%），因此被证明最适合我们的研究。
引用
@article{arxiv.2312.10092,
title = {Introspecting the Happiness amongst University Students using Machine Learning},
author = {Sakshi Ranjan and Pooja Priyadarshini and Subhankar Mishra},
journal= {arXiv preprint arXiv:2312.10092},
year = {2023}
}
备注
5 Figures, 10 tables, 12 pages. Accepted at Happiness Meet IIT Kharagpur-2022