本栏目责任编辑：唐一东人工智能ComputerKnowledgeandTechnology电脑知识与技术第19卷第1期(2023年1月）基于机器学习的抑郁症预测模型研究廖欣怡，李雨珂（天津师范大学计算机与信息工程学院，天津300382)摘要：大量研究表明，抑郁症与甲状腺激素在人体内的含量水平存在一定的相关性。通过甲状腺激素水平与是否患有抑郁症的关系建立C4.5决策树、KNN、二元logistic回归等三种预测模型，可实现对是否患有抑郁症的简单预测。利用混淆矩阵进行模型评价，分别得到三种模型的召回率、精确率以及准确率，加以比较判断，最终选出预测效果最为良好的模型，即KNN模型，其准确率0.72，为抑郁症预测及诊断提供参考。关键词：抑郁症预测；甲状腺激素；C4.5决策树；KNN；二元logistic回归模型中图分类号：TP18文献标识码：A文章编号：1009-3044(2023)01-0016-04开放科学（资源服务）标识码(OSID)：1研究背景与意义1.1抑郁症研究现状抑郁症是常见的情感障碍，对个人、家庭乃至整个社会都产生重大影响，抑郁症已经成为亟须解决的公共健康问题之一。目前，针对抑郁症的诊断大多数是通过医生患者之间的沟通交流以及填写相关的问卷量(SDS)综合评定，确诊过程中易受主观因素的影响，易造成误诊。同时，越来越多的研究表明抑郁症发病与内环境激素水平的变化存有关联：倪敏[1]等探讨抑郁症患者体内甲状腺激素的变化规律，结果反映出抑郁症患者的甲状腺功能存在问题并且其抑郁严重程度与激素水平具有相关性。崔伟[2]等对照分析抑郁症患者与健康对照者的血清甲状腺激素水平，表示抑郁症患者的激素水平与抑郁症状严重程度相关。石楠楠[3]等临床检测抑郁症患者甲状腺激素，得出病患之间、患者与健康对照者之间的甲状腺激素水平存在差异的结论。多项实验结果表明抑郁症与甲状腺激素有一定的相关性，并且甲状腺激素水平在不同抑程度的患者体内具有差异，因此，基于甲状腺激素水平实现抑郁症的预测模型的研究具有一定的作用。1.2机器学习的应用机器学习是人工智能的核心，在大数据时代备受关注。机器学习涉及多领域、交叉学科，当今时代，机器学习已经广泛应用于医学领域，并对抑郁症的预测有着很重要的贡献。1)胶囊网络模型胶囊网络模型是集卷积神经网络(CNN)的优点于一身，同时考虑CNN高层特征与低层特征之间位置模糊的缺点而提出的一种对于图像处理更加有效的网络模型。查猛[4]在其研究中，提出了一种融合文本局部和整体特征的胶囊模型，该模型能够有效地发现微博用户中潜在的...
