目的 利用支持向量机(SVM)算法对样本特征进行训练,对心理健康状况进行机器学习,实现分类识别的自动化。方法 首先利用欠采样方式解决样本不均衡问题,然后采用归一化方法将所有指标得分控制在一个区间,分别选用SVM的不同核函数对样本进行训练,最后通过网格搜索对超参数进行调参,获取最佳的参数组合,并再次对样本进行测试,得到该模型的评估报告。结果 经过网格搜索调参之后,基于Sigmoid与RBF核函数的算法的精准率、召回率和F1-Score有所提高。结论 本研究为心理风险的智能评估提供了一种思路,稍加修改就可以应用到其他的场景中。