我可以使用哪种机器学习范式/算法从一组可能的选择中进行选择？

Question

我有很多问题库和学生。 目的是为学生选择考试题。

问题具有多种属性：

• 年级
• 主题（可以是多个：分数，单词问题，加法）
• 其他学生在这个问题上的表现（对，错等百分比）
• 学生是否曾经看过或喜欢过这个问题？

因此，我想根据学生的表现为学生选择问题。 我对它是否是“好”考试的反馈如下：

• 人类的反馈。 一个人可以复习考试，并且出于质的原因拒绝某些问题
• 学生在考试中表现如何？ 如果他们100％正确，那就不好了。 如果他们选对了20％，那就不好了。 我们希望目标是75％
• 老师对整个考试的定性反馈

我觉得在这里可以使用神经网络解决方案，但我不确定如何解决。 有什么想法吗？

提前致谢。

Answer 1

如果我正确理解了问题，您将必须了解问题和学生之间的关系是“好”还是“坏”？ 这将给您一个二元分类问题，其中输入是结合了问题的特征和学生特征的特征向量？

您总是可以将其放入网络中，看看它是如何工作的，我想您没有太多的问题和学生，但是当您对配对进行分类时，数据大小确实会增加，这很好。

Answer 2

我建议采用概率建模，因为您可能会对人工评估引入的真实数据产生干扰。 两位注释者肯定不会就同一项考试给出相同的“定性反馈”。

最好有一个考虑不确定性的模型。 贝叶斯方法！ 如果您对这方面的知识不多，我会为您提供Bishop-模式识别书，该书可在线免费获得 ，您可以使用mc-stan lib或edward-lib之类的库 。 在Coursera上还有一门关于概率建模的课程，在第一章中，他们对待与您的用例非常接近的示例。

关于使用NN的建议的另一条评论：由于您没有很多功能（如前所述，有6项），除非您拥有数百万个数据点，否则NN很容易过拟合。就模型复杂性而言，这是一个简单的问题而且您不需要隐藏的图层即可取得良好的效果。

我希望这将有所帮助。

Answer 3

也尝试查看排名算法。 您可以训练它进行组合（学生，问题），并指出这种组合或生成有序函数。

我没有太多的经验，但值得尝试。

Answer 4

我不确定神经网络是否是到达此处的最佳方法。 可能是，但是我几乎立刻想到了其他东西。

给定问题中的信息后，您可能需要使用PCA或更广泛的多元分析等技术来检查统计方法。