ISSN1009-3044ComputerKnowledgeandTechnology电脑学问与技术Vol.5No.9,March2021浅谈数据挖掘技术在大学生心理问题中的应用魏丽〔新疆兵团警官高等专科学校,新疆五家渠831300〕摘要：本文首先分析了数据挖掘在心理问题中应用的必要性，表达了数据挖掘的任务，具体介绍了关联规章，决策树以及Apriori算法，最终提出了数据挖掘在心理问题分析中应用的思路。关键词：数据挖掘;关联规章;决策树;Apriori算法：TP311文献标识码：A：1009-3044(2021)09-2479-011数据挖掘在大学生心理问题中应用的必要性随着计算机的普及，人们渐渐步入了网络化的生活，学习、工作、消遣都离不开电脑。我们走向了虚拟的网络世界，沟通足不出户在QQ上进展，工作是离不开软件工具，消遣更是不再完全依靠电影院，玩耍厅，一切可以更快更好的在电脑上解决。然而，虚拟的网络生活也产生了越来越多的心理问题，在学生中更是普遍。由于大学生刚入校，面临一个全新的、开放的、更加宽松的环境，局部学生的心理和行为一时难以适应，譬如思想比较封闭，精神紧急，行为拘谨。人际关系也发生巨大转变，很多学生面临简单和多样的人际关系，新生消灭消极的心情和心理，如不满、悲观、无望，由此导致苦闷，缺乏学习动力，自卑等等。假设这些心理状态长期得不到调整，必将导致心理疾病。各个高校基本都对学生进展心理调查，可是如何分析、解释、和使用这些浩大的心理测量结果，才能使心理训练工作更有针对性，从而提高心理辅导工作的水平和效率，使得测试结果发挥更大作用，数据挖掘和学问觉察技术正是解决了这一难题。2数据挖掘概述2.1数据挖掘定义数据挖掘(DataMine)是指从大量的数据(构造化和非构造化)中提取有用的信息和学问的过程。在这个定义中，要求数据源应当是大量的、真实的、含有噪音的；所觉察的信息和学问是潜在的并隐蔽在大量数据背后的，是用户感兴趣的、可理解、可运用的学问。所以，数据挖掘有时也被人们称为学问挖掘、学问提取、学问觉察等。2.2数据挖掘的任务(1)数据总结：其目的是对数据进展浓缩，给出它的紧凑描述。(2)分类：分类的目的是建立一个分类函数或分类模型，该模型能够把数据库的数据项映射到给定类别中的某一个。(3)聚类：聚类的目的是使属于同一个类别的个体之间的距离尽可能的小，而使不同类别个体之间的距离尽可能的大，把一个组个体依据相像性归类，即“物以类聚”。(4)关联规章:是指数据对象之间的相互依靠关系，而觉察规章的任务就是从数据库中觉察那些确信度(Confidence)和支持度(Support)都大于给定值的稳健(Robust)规章。目前，已经从单一概念层次关联规章的觉察到多个概念层次的关联规章的觉察。在概念层次上的不断深入，使得觉察的关联规章所供给的信息越来越具体，实际上这是个逐步深化所觉察学问的过程。通过对潜在规章的觉察以加强资源的应用和效劳质量的提高，用于关联规章觉察的主要对象是事物型数据库，设I={i1，i2，…，im}是项的集合。与任务相关的数据D是数据库事务的集合，其中每个事务T是项的集合，满足TI。每一个事务有一个标识符，称作TID。设A是一个项集，事务T包含A。关联规章是形如A2>B的蕴涵式，其中AI，BI，并且A∩B=Φ。规章A2>B在事务集D中成立，具有支持度s，其中s是D中事务包含A∪B(即A和B二者)的百分比，它是概率P(A∪B)。规章A2>B在事务集D中具有置信度c，假设D中包含A的事务同时也包含B的百分比是c，这是条件概率P(B/A)。即是support(A2>B)=P(A∪B)confidence(A2>B)=P(B/A)同时满足最小支持度阈值(min_sup)和最小置信度阈值(min_conf)的规章称作强前者即用户规定的关联规章必需满足的最小支持度；后者即用户规定的关联规章必需满足的最小可信度，它反映了关联规章的最低牢靠度。包含k个项的假设不考虑关联规章的支持度和可信度，那么在事务数据库中存在无穷多的关联规章。但我们一般只对满足肯定的支持度和可信度的关联规章感兴趣。因此怎样从大型数据库中挖掘关联规章就成了数据分析人员面临的重要课题。根本关联规章的挖掘大致可分为两步:首先，找出全部频繁项集，这些项集消灭的频繁性至少应不小于预定义的最小支持。其次，由频繁项集...