您现在的位置是：首页 > 技术资料 > 基于Python关于世界自杀率影响因素的分析以及机器学习预测

推荐星级：

基于Python关于世界自杀率影响因素的分析以及机器学习预测

更新时间：2019-12-24 07:29:28 大小：2M 上传用户：songhuahua 查看TA发布的资源 标签：python 数据分析机器学习 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

本论文主要通过根据世界卫生组织2018年公布的全球自杀数据与联合国公布的HDI指数,结合世界银行统计的1985-2016年的世界主要国家GDP水平数据建立的数据集为研究与探索数据。利用Python Pandas科学分析库,对影响世界不同国家自杀率的因素进行数据与相关性分析。最后利用机器学习算法训练数据集,获得关于自杀率的预测模型,用于评估与测测国家与地区的自杀风险,从而指导相关政府与机构进行自杀预防工作。

部分文件列表

文件名	大小
基于Python关于世界自杀率影响因素的分析以及机器学习预测.pdf	2M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

数据库技术

Data Base Technique

•

基于 Python 关于世界自杀率影响因素的分析以及机器学习预测

文/刘子桦马若炎

供的数据显示，2012 年，自杀死亡占全世界

死亡总数的1.4%，在2012 年的死因排序中居

于第15 位。

r 亦可由（X_i,Y）样本点的标准分数均值

估计，得到与上式等价的表达式：

本论文主要通过根据世界卫

生组织2018年公布的全球自杀数

据与联合国公布的HDI指数，结

合世界银行统计的1985-2016年

的世界主要国家GDP水平数据建

立的数据集为研究与探索数据。

利用Python Pandas科学分析库，

对影响世界不同国家自杀率的因

素进行数据与相关性分析。最后

利用机器学习算法训练数据集，

获得关于自杀率的预测模型，用

于评估与测测国家与地区的自杀

风险，从而指导相关政府与机构

进行自杀预防工作。

摘

要

本文利用1985-2016 年世界101 个国家的

自杀人数以及宏观参数的数据集，考虑时间

（年），人口，HDI 指数，GDP 指数以及其

衍生变量对自杀率的影响，并且对数据进行相

关性分析，探究单个因素与总自杀率的线性相

关性。最后利用多元线性回归与随机森林进行

预测模型的生成。

、及分别是对X_i样本的标

其中

准分数、样本平均值和样本标准差。

2.2 单一变量相关性分析

2.2.1 自杀率与人口增长速度以及年龄分布之

间的关系

2 相关性分析

选取101 个不同国家人口的增长速度为

自变量，自杀率为因变量。由计算可知，在

全球的范围内，自杀率与人口增加率之间成

线性关系的拟合系数为0.0185。Kendall 与

Spearmans 以及Pearsonr 相关系数的值分别为

0.131,0.217,0.135。说明二者整体上成正相关，

即人口增长速率增加会导致自杀率的增加，但

是这种相关关系十分微弱。

2.1 相关分析的工具与实现方法

本论文主要采用皮尔森相关系数逐个分

析单一变量对最后因变量（自杀率）之间的相

关程度。相关计算方式如下：估算样本的协方

差和标准差，可得到样本皮尔逊系数，常用英

文小写字母r 代表：

【关键词】自杀率相关性分析探索性数据分

析机器学习

在探究年龄分布情况时，选取年龄分布

为自变量，自杀率为因变量。为了能够更好的

表示一个国家的年龄分布，将5-14岁，15-24岁，

1 引言

自杀是一种全球性的现象。根据WHO 提

<< 上接 149 页

Microsoft .NET 技术的浏览器或者是服务器

的模式运行，用户只要通过浏览器或者服务

器便可以实现科研项目数据的管理以及相关

维护；科研项目管理系统前台web 页面采用

Microsoft Visual Studio 2010 开发环境进行设计

和制作；科研项目管理系统后台的科研以及成

果数据库采用Microsoft SQL Server 2008 进行

数据库设计和对数据的存储。科研项目管理系

统通过数据挖掘技术对相关数据进行一定的整

理和分析，最后制定出数据分析报告。

我们可以通过上述数据挖掘的算法，实

现对科研数据关联性的分析以及数据的深度挖

掘，并且，也可以对高校科研管理工作提供一

定程度上的决策支持。

开发科研项目管理系统。

参考文献

[1] 许哲军 . 大数据环境下的高校科研

管理信息化探索 [J]. 技术与创新管

理,2014,2(35)：112-114.

5.4 科研项目数据的标准化

[2]郭卜铭, 吕渭济. 高校科研管理中的

数据挖掘技术及应用 [J]. 科技和产

业,2007(06)：38-40+45.

随着时代的进步，社会人才的增多，科研

项目也飞速发展，但是，在快速发展的同时所

需要的数据以及产生的数据必然会逐渐增多，

因此，我们需要对科研项目的数据做好标准化

的处理以及相关重要参数的制定。例如，科研

项目的项目名称、设立时间、开始和结束的时

间、所需要的经费以及项目主要的关键词等等。

对数据进行了标准化，对以后科研项目管理收

集数据、对比数据、整理数据、分析数据甚至

是对数据的挖掘技术都是具有很大帮助的。

[3]王鸣.科研管理信息系统的数据挖掘应用

探讨[J].琼州学院学报,2014,2(20)：152-

153.

5.3 数据挖掘技术运用的算法

[4]查东辉.数据挖掘在高校教务及科研管理

中的应用[J].科技管理研究,2009,4：109-

110.

科研项目管理系统采用的数据挖掘算法

主要分为两种：

5.3.1 Apriori 算法

Apriori 算法是目前为止在数据挖掘技术

中最具有影响力的挖掘布尔关联规则的算法，

该关联规则在分类上属于单维、单层、布尔关

联规则。

作者简介

闫靖昆（1999-），男，大学本科学历。研究

6 总结

方向为数据挖掘、软件设计与开发。

本文通过了解什么是数据挖掘技术，以

及常用的数据挖掘的方法有哪些，随后对科研

项目管理、项目管理系统的应用环境和主要功

能进行简单的介绍，最后得出要改善科研项目

管理系统的功能，将其数据进行标准化，以及

需要运用大量技术的配合，才能更好地研究和

5.3.2 C4.5 算法

它是机器学习算法中的一种分类决策树

算法，在机器学习中，决策树是一个预测模型，

它代表的是对象属性与对象值之间的一种映射

关系。

作者单位

石河子大学信息科学与技术学院新疆维吾尔

自治区石河子市 832003

电子技术与软件工程

Electronic Technology & Software Engineering

150 •

Data Base Technique

数据库技术

•

图1ꢀ随机森林与多元线性回归比较

25-34 岁，35-54 岁，55-74 岁，74 岁以上等不

同年龄段分别赋予1-6 的加权分数并且进行加

权平均获得一个总分。利用Sklearn 对1985-

2015 年之间全球的年龄组成与自杀率之间的

进行线性拟合。根据相关性分析可知，在全球

的范围内，自杀率与年龄组成之间成弱中等

线性关系，拟合系数R^2 为0.0928。Kendall

与Spearmans 以及Pearsonr 相关系数的值分别

为-0.242，-0.206，-0.305。说明二者整体上成

负相关，即年龄组成增加（老龄化）会导致自

杀率的减少。

以及Pearsonr 相关系数的值分别为0.161，

0.224,0.145，说明二者整体上成正相关，但是

这种关系很弱，几乎可以视为不相关。

上的误差较为理想，达到了0.098，是比较好

的预测模型。如图1 所示。

4 结束语

3 多元线性拟合与决策树及随机森林预

测模型构建

本文通过开放数据集，利用 Python

Pandas 以及scikit-learn 进行数据探索与分析，

探究了国家宏观因素与自杀率之间的相关系

数。并且建立多元回归模型、随机森林预测模

型，其中随机森林预测的残差仅为0.0980，起

到了很好的自杀率预测效果。

3.1 多元线性拟合

对于多元线性回归，我们应该考虑每个

特征值xj 与其权重w 乘积之和：

所以我们的线性模型为：

2.2.2 自杀率与性别组成之间的关系以及国家

人类发展指数（HDI）之间的关系

参考文献

并且使用梯度下降算法，不断缩小损失

函数：

[1]Tom M.Mitchell.MachineLearning[M].

China Machine Press：China,2005：38.

[2]World Health Organzation.National

suicide prevention strategies：

progress, examples and indicators[R].

Switzerland：WHO,2018.

选取男女性别比例为自变量，自杀

率为因变量。由线性拟合可知，在全球的

范围内，自杀率与年龄组成之间成强线

性关系，拟合系数为 0.55261。Kendall 与

Spearmans 以及Pearsonr 相关系数的值分别为

0.540,0.742,0.743。说明二者整体上成强正相

关关系，即性别比例的增大会大概率导致自杀

率的增大。十分具有参考性，对人口政策具有

指导意义。

计算当L(f) 最小时候，对应的w 与b 的值：

在具体实施中，选取在本文中提到的人

口增长率、性别比例、年龄组成、以及人均

GDP 四个相对独立的因素，进行归一化操作，

然后合并作为特征向量构成因变量，目标变量

为自杀率，生成4 维向量进行多元线性回归。

整个数据被分为90% 的训练集以及10% 的测

试集。得到的多元线性回归拟合的拟合方程如

下：

[3]覃玉冰,邓春林,杨柳.基于皮尔逊相关

系数的网络舆情评估指标体系构建研究

[J].情报探索,2018,10：2-6.

[4] 尹儒门 , 昌骞 , 王文剑 . 一种模型

决策森林算法 [J]. 计算机科学与探

索,2019,8：1.

HDI 指数是联合国1990 开发计划署创立

了人类发展指数，以“预期寿命、教育水平和

生活质量”三项基础变量，按照一定的计算方

法，衡量各个国家人类发展水平。本文选取不

同国家HDI 指数为自变量，自杀率为因变量。

根据计算显示，在全球的范围内，自杀率与年

龄组成之间成弱线性关系，拟合系数为0.578。

Kendall 与Spearmans 以及Pearsonr 相关系数

的值分别为0.215、0.333、0.241。说明二者整

体上成正相关，即性别比例的增大会导致自杀

率的增大，但是这种相关关系较弱。

[5]徐文彬.中国自杀率随社会经济状况变

化的模式研究[D]. 中国：大连医科大

学,2017.

[6]赵玉新.多元线性回归中多重共线性的研

究[J].产业与科技论坛,2019,03：1.

利用此方程对训练集数据与测试集数据

进行线性拟合，结果显示训练集上均方差为

0.678，测试集为0.596。

作者简介

刘子桦（1996-），男，华南理工大学，设计学院，

3.2 利用随机森林进行预测

本科。

随机森林是利用多棵树对样本进行训练

并预测的一种分类器。在本文中，使用50 个

决策树（Decison Tree）进行概率分类，进行

投票程序，最终得到了误差更小，使用度更高

的机器学习预测模型。利用随机森林生成的预

测模型在训练集上的误差为0.606，在测试集

2.2.3 自杀率与人均GDP 之间的关系

马若炎（1998-），男，华南理工大学，设计学院，

本科。

选取不同国家人均GDP 为自变量，自杀

率为因变量。由计算得知，在全球的范围内，

自杀率与人均GDP 之间成相关关系的概率很

低。拟合函数为0.021，Kendall 与Spearmans

作者单位

华南理工大学广东省广州市 510006

电子技术与软件工程

Electronic Technology & Software Engineering

• 151

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

基于Python关于世界自杀率影响因素的分析以及机器学习预测

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页