用于检测大学生心理压力的机器学习算法

在当今世界，压力是一个影响人们健康和幸福的大问题。越来越多的人感到压力过大，这可能导致许多健康问题，如呼吸困难、感到不堪重负、心脏病、糖尿病等。本工作致力于通过应用各种机器学习算法——决策树、随机森林、支持向量机、AdaBoost、朴素贝叶斯、逻辑回归和 K 近邻——来预测大学生中的压力与非压力状态。本工作的主要目标是利用一项研究，根据收集的问卷数据集预测和缓解压力与非压力状态。我们举办了一次研讨会，主要目的是研究学生中发现的压力水平。该研讨会由大约 843 名年龄在 18 至 21 岁之间的学生参加。问卷在印度恰蒂斯加尔邦赖布尔的全印度医学科学研究所（AIIMS Raipur）专家的指导下进行验证，数据集即基于该问卷。调查包含 28 个问题，旨在全面理解压力的多维方面，包括情绪健康、身体健康、学业表现、人际关系和休闲。本工作发现支持向量机在压力检测中达到了最高准确率 95%。该研究有助于更深入地理解压力的决定因素，旨在改善大学生的整体生活质量和学业成功，应对压力的多面性。