摘要: 调查研究表明，早期青少年自杀意念、自杀企图流行率高，危害严重。然而，青少年自杀意念、自杀企图的传统识别方法准确度不高。机器学习方法有助于显著提升预测准确性。采用问卷法对560名小学高年级学生进行为期半年的两次追踪调查。采用朴素贝叶斯、支持向量机、随机森林和LightGBM四种机器学习算法建立模型，并选取最优模型进一步进行SHAP解释性分析。研究发现，LightGBM模型对于预测自杀意念和自杀企图具有最佳性能。此外，SHAP解释性分析表明，自杀意念和自杀企图的关键预测因素存在差异。具体而言，早期青少年自杀意念最关键的前十个预测因素依次为父母体罚、焦虑抑郁、父母心理控制、未来受教育取向、自杀意念史、父母行为控制、学校参与、性别、基本心理需求满足和社区物理环境，而自杀企图最关键的前十个预测因素依次为父母行为控制、父母心理控制、父母体罚、未来受教育取向、焦虑抑郁、学业自我效能感、性别、冲动控制、网络游戏成瘾和学业成绩。本研究发现有助于为预防和干预早期青少年自杀意念、自杀企图提供科学依据和支持。