揭示社交媒体使用与心理健康中的潜在模式：一种基于无监督机器学习的聚类方法

社交媒体的广泛采用加剧了人们对其心理影响的关注，特别是对焦虑、抑郁、孤独感和睡眠质量等心理健康指标的影响，因为这些平台越来越影响社交互动和幸福感。尽管先前的研究已经考察了社交媒体使用与心理健康之间的相关性，但很少有研究利用无监督机器学习根据行为和心理模式对用户进行细分，从而在识别不同群体的独特风险特征方面留下了空白。本研究试图通过根据个人的社交媒体使用情况和心理健康状况对其进行细分来解决这一问题，采用聚类方法来揭示隐藏模式并评估其对心理健康的影响。通过在线调查收集的 551 名参与者的数据进行了预处理，包括使用 KNN 插补处理缺失值、对具有 5 个唯一值的分类变量（如性别）进行独热编码，以及通过 IQR 和 Z-score 方法进行异常值检测。应用了在 6 个聚类处优化的 K-Means 聚类（使用肘部法和 0.32 的轮廓系数），并通过 PCA 将 22 个维度降维以进行可视化，同时相关热图突出了变量间的关系，例如社交媒体使用时长与焦虑之间 0.28 的相关性。