考试时间表预测程序的文本输入和数字输出问题

Question

我正在研究一个模型，该模型可以预测给定课程和学期的考试时间表。我的输入将是学期和课程名称，输出将是日期。目前，我已经完成了数据清理和预处理步骤，但是，我无法用一种方法来制作一个模型，该模型的输入是两个字符串，而输出是两个数字（检查的日期和月份）。我想到的一种方法是对课程名称进行编码，并将其写为二进制列表。 I.E输入：编码（课程），[0,0,1]输出：日，月。然后提供给回归模型。 我希望经验丰富的人可以告诉我更好的方法。

Answer 1

在我开始回答您的问题之前：
/ rant
我知道这听起来很傻，并不能真正解决您的问题，但是 为什么您正在为此使用神经网络吗？！ 对我来说，这似乎是“每个人都在他们所在的地区使用ML / AI，所以现在我也必须这样做”的经典案例。 （这是完全不正确的）
/ rant over

对于类似字符串的输入，存在几种对它们进行编码的方法。选择合适的选项可能取决于您的特定任务。由于您输入的信息非常“简单”（即可预测），也就是说，您预先知道在测试/推理过程中可能没有任何新的/看不见的课程标题，或者您不需要上下文/语义信息，因此您可以求助于类似于scikit-learn的LabelEncoder，它将变成不同的类。

或者，您也可以抛出更重的编码结构，将值嵌入矩阵中。大多数DL框架都提供一些form of internal function for this，这基本上要求您为输入数据传递唯一索引，并为此主动学习一些k维嵌入向量。直观地，这些嵌入对应于语义或主题方向。例如，如果您具有3维嵌入，则第一个可以表示“社会科学课程”，另一个可以表示“技术课程”，而第三个可以表示“研讨会”。

当然，这只是它的简化，但有助于想象它的工作原理。

对于输出，预测特定日期实际上是一个很好的问题。由于我个人从未预测过自己的约会日期，因此我只能向其他用户推荐提示。 here为日期提供了一个很好的答案（作为输入）。 如果您可以牺牲结果的准确性，那么预测进行考试的日历周可能是个好主意。否则，您可以将其简单地视为两个回归值，但最终可能会得到无效的组合（例如，“负天/月”或“ 2月31日”之类的值）。

根据您拥有多少高质量的培训数据，结果可能会有很大差异。最后，我再次建议您考虑一下是否真的需要神经网络来执行此任务，或者是否有更简单的指标来执行此任务。

Answer 2

创建虚拟变量或使用RandomForest。它们接受文本输入和数字输出。