【问题标题】:naive bayes for Forecast grade预测等级的朴素贝叶斯
【发布时间】:2015-05-22 04:41:37
【问题描述】:
我有 100 名学生的四节课(例如 a、b、c、d 课)的成绩数据集,让我们假设这个成绩与
f课的成绩。
我想在那个四年级之前为预测年级课程 f 实施朴素贝叶斯,但我不知道如何为此使用输入。
我阅读了用于垃圾邮件检测的朴素贝叶斯,其中每个单词的可能性都已计算。
但是对于等级,我不知道我必须计算什么可能性。
我试过像垃圾邮件一样,但在这个例子中我只有四个名字(每节课)
【问题讨论】:
标签:
machine-learning
email-spam
bayesian-networks
【解决方案1】:
为了进行良好的分类,您需要了解一些关于学生的信息,而不是他们正在上课的信息。按照您的示例,垃圾邮件检测基于单词、停用词,这些词通常是垃圾邮件(购买、促销、金钱)或 http 标头中的来源。
对于预测学生成绩的案例,您可以想象有关于学生的信息,例如:社会阶层、他是否从事运动、男性还是女性等。
回到你的问题,有趣的不是课程名称,而是每个学生在这节课上的成绩。您需要对每四节课和第 f 课进行评分,以训练朴素贝叶斯分类器。
您的条目可能如下所示:
StudentID gradeA gradeB gradeC gradeD gradeF
1 10 9 8 5 8
2 3 5 3 8 8
3 5 3 1 1 2
4 10 10 10 5 4
训练你的分类器后,你会像这样为新学生传递新条目:
StudentID gradeA gradeB gradeC gradeD
1058 1 5 8 4
分类器将能够根据之前的成绩预测 F 课的成绩。
您可能已经注意到,我特意做了一个训练数据集,其中gradeF 与gradeD 高度相关。这是贝叶斯分类器将尝试以更复杂的方式学习的内容。