基于朴素贝叶斯分类器的机器学习模型预测大学生抑郁状态
其他统计学
2023-08-06 v1
摘要
本研究提出一种基于朴素贝叶斯（Naive Bayes）分类器的机器学习模型，用于预测大学生抑郁水平，目标是通过涉及70%训练数据与30%验证数据、基于朴素贝叶斯分类器的机器学习模型提高预测准确率，所收集数据包含来自519名大学生的抑郁相关因素，结果显示准确率为78.03%，在检测抑郁阳性病例（尤其是中度和重度水平）时具有高灵敏度，且在正确分类阴性病例时具有显著特异性，这些发现凸显了该模型在抑郁早期检测与治疗中的有效性，惠及脆弱群体并有助于改善学生群体心理健康。
引用
@article{arxiv.2307.14371,
title = {Prediction of depression status in college students using a Naive Bayes classifier based machine learning model},
author = {Fred Torres Cruz and Evelyn Eliana Coaquira Flores and Sebastian Jarom Condori Quispe},
journal= {arXiv preprint arXiv:2307.14371},
year = {2023}
}