典型文献
基于随机森林算法的医学生就业焦虑因素分析
文献摘要：
目的 构建医学生就业焦虑预测模型.方法 采用问卷调查法于2020年12月至2021年3月对某医学院校临床专业的753名学生进行就业焦虑以及相关因素的调查,收集到的数据经过数据清洗和特征选择后,采用机器学习中的随机森林算法构建预测模型.结果 模型的预测准确率达86.37％,敏感度达70.42％,特异度达81.85％,受试者工作特征(ROC)曲线下的面积为95.56％.结论 基于随机森林算法构建的医学生就业焦虑预测模型,可为筛选在校医学生就业焦虑和心理健康辅导提供科学依据.
文献关键词：
就业焦虑;医学生;随机森林算法;机器学习
中图分类号：
作者姓名：
林鑫;黄雅莲;杨建;唐平
作者机构：
成都医学院 心理学院,成都 610500;成都医学院四川应用心理学研究中心,成都 610500;成都医学院第一附属医院 临床医学院,成都 610500
文献出处：
引用格式：
[1]林鑫;黄雅莲;杨建;唐平-.基于随机森林算法的医学生就业焦虑因素分析)[J].成都医学院学报,2022(06):764-768
A类：
B类：
随机森林算法,学生就业,就业焦虑,问卷调查法,医学院校,临床专业,数据清洗,特征选择,预测准确率,受试者工作特征,在校医学生,心理健康辅导
AB值：
0.203071
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
