【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】:

  • 欢迎来到本站。本指南可以帮助您简化目前非常广泛的问题:How to Ask。

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。

【讨论】:

    猜你喜欢
    • 2016-07-29
    • 1970-01-01
    • 2012-02-21
    • 2011-12-28
    • 2021-05-22
    • 2016-08-16
    • 2012-11-22
    • 2013-09-09
    • 2015-01-03
    相关资源
    最近更新 更多