K-means 聚类算法在分析大学生心理健康的应用

陈秋伍 魏惠梅 大连科技学院

关键字：R-shiny 数据分析 K-means 聚类算法 心理健康 数据可视化

1 背景分析

在当今大学校园中，大学生心理健康是值得重视的一个问题。在绝大部分的高校中，学校都设立了心理健康咨询处，而且众多学生的心理健康数据都会储存在这里的数据库中，通过对数据库的基本操作，对解决心理健康问题也取得了一定的效果，但是数据库中的数据并没有得到充分利用和分析。为此，本文基于R-shiny 的数据分析平台以及K-means 聚类算法，将数据根据重要特征量进行分类，做到数据可视化，继而分析每一类的学生特点，可以提前发现这类学生潜在的心理健康问题，做到一种主动防御心理健康问题发生的机制。

2 k-means 聚类算法介绍

2.1 .k-means 聚类算法的定义

K 均值聚类算法（K-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤主要是选取K 个对象作为初始聚类中心，然后计算每个对象与各个种子聚类中心的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给他们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心就会根据聚类中现有的对象被重新计算。这个过程不断地重复知道满足某一个结束条件。结束条件可以是没有对象被重新分配给不同的聚类，没有聚类中心再发生变化，误差平方和局部最小。

2.2 .K-means 聚类算法的主要步骤

过程：

2：repeat

8：end for

13：else

14：保持当前均值向量不变

15：end if

16：end for

17：until 当前均值向量均未更新

注：其中第1 行对均值向量进行初始化；

在第4-8 行与第9-16 行以此对当前簇划分及均值向量迭代更新，若迭代更新后聚类结果保持不变，则在第18 行将当前簇划分结果返回。

3 实际案列分析

3.1 数据来源

基于R-shiny 数据分析平台，调用其中的K-means 聚类分析算法，可以比较容易地将大量的数据归类处理以及数据的可视化。我们对两个班的学生做出了锻炼、睡眠、社交能力、压力、课堂等类别的问卷调查，每个类别都有一个或者多个特征量，最终在十周的问卷调查中随机提取了72 小时的特征量数值作为数据来源。数据类别及特征量如表1 所示：

表1 数据来源示例

3.2 特征量的选择

每个类别都有一个或者是多个特征量，特征量的选择对研究学生的心理健康有着紧密的联系，选取最佳的特征量就意味着最终的聚类结果有着更高的可信度，通过不断地分析与比较，我们以“Sleep_hour”（睡眠时间），“Exercise_exercise”（锻炼时间），“Class_hour”（课外做功课时间），“Stress_level”（压力等级），“Social_number”（社交人数）作为五个最佳的特征量，其中的“Stress_level”是最能反映学生心理健康的一个特征量。

3.3 数据预处理

1.为了保证K-means 算法分析数据的准确性，需要对数据进行预处理。数据预处理的目的如下：

(1)保证数据的有效性：采集的数据要与研究的内容相关，避免数据丢失；

(2)剔除孤立数据：把明显不准确的数据剔除；

(3)统一数据尺度：对数据进行量化，方便聚类算法的运算和最终的可视化展现；

2.数据处理步骤如下：

(1)对每个学生样本的特征量在计划时间内的数据进行均值处理；

(2)根据对应的数据转换表，将特征量均值转换为K-means 聚类算法所需均值初始向量；

3.数据预处理后如表2 所示：

表2 .部分数据预处理后示例

3.4 K-means 聚类分析结果

基于R-shiny 搭建了学生心理健康分析平台。其中聚类的个数即K 值可以任意的选取，每选取一个K 值，样本数据就会分为K 个群体，选取最佳的K 值对分析学生心理健康的准确性有着重要意义，通过不断地分析与聚类对比，聚类分为5 类效果最佳。

1.学生心理健康数据聚类分析结果如图1 所示：

图1 .最终聚类分析结果

2.最终聚类结果分析：

(1)学生群C1 占比为42%，这类学生大多情商较高，善于交流，活泼好动，心态也是相当的乐观，他们的大学生活丰富多彩，算得上是个逍遥子，他们愿意花更多的时间去做自己喜欢的事情，他们出现心理健康的几率相当的小，但是老师或者辅导员更应该多鼓励这类学生多花时间在学习上，为社会输出优秀人才。

(2)学生群C2 占比为13%，这类学生应该是辅导员值得关注的群体，他们反应出来的现象就是方向不明确，在大学找不到属于自己的目标，稍遇挫折就极易的堕落，情绪也容易失控，并且，这类学生的心理健康问题早期是很难发现的，所以辅导员应该及时对该类学生做好心理疏导和方向指明。

(3)学生群C3 占比为18%，这类学生大多学习成绩优异，他们往往是班上的活动积极分子、班干部或学生会干部。对这类学生，应该好好地加栽培，将他们积极向上、乐观开朗的心理状态带给班级的每一位学生，这个群体是在班集体中传递正能量的主要群体，辅导员应该对他们加以引导，让他们的学习、品德更上一层楼。

(4)学生群C4 占比为12%，这类学生属于贪玩调皮的那一类，他们喜欢打游戏的同时也钟爱与锻炼身体，对学习马马虎虎，然而他们却有着很强大自尊心，在连续受到自尊心打击的情况下，很可能会做出过激的反应，若他们出现心理健康问题是很容易及时发现的，在保护他们自尊心的同时也应该适当的指出他们的错误。

(5)学生群C5 占比为15%，这类学生，很容易发生心理健康问题，他们内心的压力太大，在小情绪的积累下，很容易就会精神崩溃，大多都是源于他们的实际行动追赶不上自己内心的欲望，对于大多数的事情都只有三分钟的热度，容易被新的知识所难倒，又想在这方面达到很高的成绩，这显然是不可能的，辅导员应该鼓励这类学生做事情应该脚踏实地，冰冻三尺非一日之寒。

4 结束语

借助该方法不仅有助于学校心理咨询师、学生管理人员为学生提供更多更好的心理健康服务，而且能为高校心理健康教育工作者提供了一定的参考价值，提高相关管理人员的工作效率，弥补传统分析方法存在的局限性，从而达到科学、合理、快速地反映学生心理状态的目的。