基于机器学习算法精简高中生版症状自评量表

目的使用机器学习算法对症状自评量表(SCL-90)进行简化,在保证较高准确率的前提下,提高筛查效率。方法在获得25913名高中生有效数据的基础上,采用梯度提升回归树和随机森林算法建构分类模型,使用前向选择的方法选择特征,并通过十折交叉验证将简化后的量表的测验结果与验证。结果梯度提升决策树的性能略优于随机森林,SCL-90可以由原来的90个题目减少为47个,各维度预测准确率均达到95%以上。结论利用机器学习简化后的版本在保证准确率的基础上有效减少了题目数量,缩短了测试时间,有助于在学校测评情境中提升高中生心理健康筛查效率。