预测等级的朴素贝叶斯
naive bayes for Forecast grade
我有 100 名学生的四节课（例如 a 课、b 课、c 课、d 课）的成绩数据集，让我们假设这个成绩与
f课成绩
我想为那个四年级的预测年级课 f 实施朴素贝叶斯，但我不知道如何使用输入。
我阅读了用于垃圾邮件检测的朴素贝叶斯，其中计算了每个单词的可能性。
但是对于成绩，我不知道我必须计算什么可能性。
我试过像垃圾邮件一样，但对于这个例子，我只有四个名字（每节课）
为了进行良好的 class 化，您需要了解一些关于 class 学生的信息。按照您的示例，垃圾邮件检测基于单词、停用词，通常是垃圾邮件（购买、促销、金钱）或 http headers 中的来源。
对于预测学生成绩的案例，您可以想象获得有关学生的信息，例如：社交 class，他是否从事体育运动，男性还是女性等等。
回到你的问题，有趣的不是课程的名称，而是每个学生在这节课上的成绩。您需要对每四课和第 f 课进行评分，以训练朴素贝叶斯 classifier。
您的条目可能如下所示：
StudentID gradeA gradeB gradeC gradeD gradeF
1 10 9 8 5 8
2 3 5 3 8 8
3 5 3 1 1 2
4 10 10 10 5 4
在训练您的 classifier 之后，您将像这样为新学生传递新条目：
StudentID gradeA gradeB gradeC gradeD
1058 1 5 8 4
class生成器将能够预测 F 课的成绩，同时考虑先行成绩。
你可能已经注意到我有意做了一个训练数据集，其中 gradeF 与 gradeD 高度相关。这就是贝叶斯 classifier 将尝试以更复杂的方式学习的内容。
我有 100 名学生的四节课（例如 a 课、b 课、c 课、d 课）的成绩数据集，让我们假设这个成绩与 f课成绩
我想为那个四年级的预测年级课 f 实施朴素贝叶斯，但我不知道如何使用输入。 我阅读了用于垃圾邮件检测的朴素贝叶斯，其中计算了每个单词的可能性。 但是对于成绩，我不知道我必须计算什么可能性。 我试过像垃圾邮件一样，但对于这个例子，我只有四个名字（每节课）
为了进行良好的 class 化，您需要了解一些关于 class 学生的信息。按照您的示例，垃圾邮件检测基于单词、停用词，通常是垃圾邮件（购买、促销、金钱）或 http headers 中的来源。 对于预测学生成绩的案例，您可以想象获得有关学生的信息，例如：社交 class，他是否从事体育运动，男性还是女性等等。
回到你的问题，有趣的不是课程的名称，而是每个学生在这节课上的成绩。您需要对每四课和第 f 课进行评分，以训练朴素贝叶斯 classifier。
您的条目可能如下所示：
StudentID gradeA gradeB gradeC gradeD gradeF
1 10 9 8 5 8
2 3 5 3 8 8
3 5 3 1 1 2
4 10 10 10 5 4
在训练您的 classifier 之后，您将像这样为新学生传递新条目：
StudentID gradeA gradeB gradeC gradeD
1058 1 5 8 4
class生成器将能够预测 F 课的成绩，同时考虑先行成绩。
你可能已经注意到我有意做了一个训练数据集，其中 gradeF 与 gradeD 高度相关。这就是贝叶斯 classifier 将尝试以更复杂的方式学习的内容。