我可以使用哪种机器学习范例/算法从可能的选择池中进行选择？

Question

我有一个大问题银行和学生。目标是为学生选择考试问题。

问题有各种属性：

• 年级
• 主题（可能是多个：分数，单词问题，添加）
• 其他学生如何处理这个问题（百分比正确，错误等）
• 学生之前是否看过这个问题或者喜欢这个问题？

所以我想根据学生的学习方式为学生选择问题。我的反馈是关于它是否是一个好的＆＃34;考试如下：

• 人工反馈。由于质量原因，一个人可以审查考试并拒绝某些问题
• 学生如何参加考试？如果他们100％正确，那就太糟糕了。如果他们有20％的权利，那就太糟糕了。我们希望定位75％
• 老师对整个考试的定性反馈

我认为神经网络是一种可行的解决方案，但我不确定如何。有什么想法吗？

提前致谢。

Answer 1

如果我正确理解了这个问题，你必须要了解问题和学生之间的关系是“好”还是“坏”？这会给你一个二元分类问题，输入是一个特征向量，结合了问题的特征和学生的特征？

你总是可以把它放在一个网络中，看看它是怎么做的，我猜你没有太多的问题和学生，但是当你分类对时你的数据量确实增加了，这很好。< / p>

Answer 2

我建议使用概率建模，因为您对人类评估引入的真实数据有一​​些噪音。对于同一个考试，两个注释者不会给出相同的“定性反馈”。

最好有一个考虑到不确定性的模型;贝叶斯方法！如果您对此区域知之甚少，我会指向Bishop - Pattern recognition book - freely available online，您可以使用mc-stan lib或edward-lib等库。还有一个关于coursera概率建模的课程，在第一章中他们会对你的用例非常接近。

关于你使用NN的建议还有一个评论：由于你没有很多功能（如你所提到的那样6个），NN很容易过度拟合，除非你有数百万个数据点。这个问题就像一个简单的问题模型复杂性，你不需要隐藏层来实现良好的结果。

我希望这会有所帮助。

Answer 3

还可以查看排名算法。您可以将其训练为组合（学生，问题）并指出这种组合或生成有序函数。

我没有太多经验，但可能值得尝试。

Answer 4

我不确定神经网络是否是最好的方式。他们可能是，但我几乎立刻想到了别的东西。

根据您问题中的信息，您可能希望在此处检查统计方法，使用PCA或更广泛的multivariate analysis等技术。