【发布时间】：2015-11-18 18:31:03
【问题描述】：
我有很多学生根据他们的分数被一些大学选中的数据。我是机器学习的新手。我能提供一些建议吗？如何添加 Azure 机器学习来根据他们的分数预测他们可以进入的大学
【问题讨论】：
标签： azure-machine-learning-studio
【发布时间】：2015-11-18 18:31:03
【问题描述】：
【讨论】：
-
是的，这可以通过逻辑回归将输出作为 False 类的 True 来完成。从而允许您检查选择等于 True 的标记值。
除了逻辑回归，正如@neerajkh 建议的那样，我也会尝试 One vs All classifiers。这种方法在多类问题（我假设您有很多输入，即学生的分数）和许多输出（不同的大学）中非常有效。
要实现一对多算法，我会使用Support Vector Machines (SVM)。它是最强大的算法之一（直到深度学习出现，但这里不需要深度学习）
如果您可以考虑更改框架，我建议使用 python 库。在python 中，您可以非常快速地计算出您面临的问题。
【讨论】：
-
我认为答案很好！
使用随机森林树并将这个 ML 算法提供给 OneVsRestClassifer，它是一个多类分类器
【讨论】：
根据其他发帖人关于使用多类分类的建议，您可以使用人工神经网络 (ANN)/多层感知器来执行此操作。每个输出节点都可以是一所大学，因为您将使用 sigmoid 传递函数（逻辑），所以每个节点的输出可以直接视为该大学接受特定学生的概率（在尝试进行预测时）。
【讨论】：
为什么不试试 softmax 回归呢？
用非常简单的术语来说，Softmax 接受一个输入并生成属于您的每个类的输入的概率分布。因此，换句话说，基于一些输入（在这种情况下是成绩），您的模型可以输出代表给定学生必须被每所大学录取的“机会”的概率分布。
【讨论】：
我知道这是一个旧线程，但我会继续添加我的 2 美分。
我建议添加多类、多标签分类器。这使您可以为学生找到不止一所大学。当然，使用人工神经网络更容易做到这一点，但配置起来要困难得多（比如网络的配置；节点/隐藏节点的数量，甚至是激活函数）。
@Hoap Humanoid 建议的最简单的方法是使用支持向量分类器。
要执行任何这些方法，前提是您必须拥有一个多样化的数据集。我不能说您需要试验的数据点数量，但模型的准确性取决于数据点的数量及其多样性。
【讨论】：
这是非常主观的。仅仅应用任何分类的算法都不是一个好主意。如果不执行探索性数据分析和检查以下事项，除了缺失值之外，您无法确定是否进行了预测分析：
- 定量和定性变量。
- 单变量、双变量和多变量分布。
- 与您的响应（大学）变量的变量关系。
- 寻找异常值（多变量和单变量）。
- 必需的变量转换。
- 可以是分解成块的 Y 变量，例如位置，例如候选人是否可以是加利福尼亚或纽约大学的一部分。如果加州有更高的机会，那是什么大学。通过这种方式，您可以捕捉线性 + 非线性关系。
对于基础学习者，您可以拟合 Softmax 回归模型或 1 vs all Logistic 回归，这并不重要，而 CART 则适用于非线性关系。我还会做 K-nn 和 K-means 来检查数据中的不同组并决定预测学习者。
我希望这是有道理的！
【讨论】：
最小二乘支持向量机 (LSSVM) 是适用于该应用程序的强大算法。访问http://www.esat.kuleuven.be/sista/lssvmlab/了解更多信息。
【讨论】：