许多研究表明，社交增强和饮酒会导致独特的行为模式。 最近，有人建议研究区分焦虑和抑郁情绪的特定应对模式。 数据挖掘用于饮酒动机预测。 现有使用预处理系统的数据挖掘模型的缺点是没有识别出有效有助于预测中学生酒精消费强度的相关属性。 为了克服这一限制，我们通过使用所提出的系统调查中学生表现中最相关的属性，并获得有关学生行为的有价值的事实。 所提出的系统依赖于使用离散化和特征选择的两阶段预处理，称为多阶段预处理 (MSP)，用于调查最佳特征子集选择和良好分类。 所提出的系统能够预测学生酒精消费强度是否对酒精上瘾。 我们在特征选择器的帮助下进行综合实验，即使用不同分类器的基于相关性的特征选择 (CFS)、信息增益 (IG)、卡方 (CS) 和 Relief-F。 实验结果表明，特征选择方法分别在准确度、灵敏度、精度、f-measure和ROC-area的基础上提高了分类性能。 从获得的结果中可以看出，在准确度为 71.39%、灵敏度为 71. 34%、精度为 66. 86%、F-measure 为 68.43% 和 ROC-area 为 85.89% 方面的性能最高.
