[英]What machine learning paradigm / algorithm can I use to select from a pool of possible choices?
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:
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:
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。
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。
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。
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.