基于Xgboost算法的大学生积极心理品质预测及影响因素分析

【摘要】：通过量表收集芜湖地区6所大学的大学生积极心理品质状况及影响因素数据,构建样本数据库;使用Xgboost(eXtreme Gradient Boosting)算法模型分析样本数据,并与决策树、SVM(support vector machines)和随机森林算法进行对比。实验表明,Xgboost算法的预测精度最高,其决定系数最大值为0.93,说明了预测的有效性。同时发现家庭环境、学习成绩、每周锻炼时间、社团活动和年级等影响因素对模型贡献较高。本研究对预测大学生积极心理品质状况及影响因素分析有一定的参考价值。