第一篇博客

第一篇博客

今天得到数据集之后
主要的任务是明确目的，并查阅资料和研读相关论文，寻找合适的算法模型

目的：

锻炼在真实数据集上完成数据挖掘任务的能力

任务

：给定学生校园刷卡行为数据集，利用deep forest 算法，对学生成绩进行预测。

步骤：

（1）下载deep forest 论文及代码，熟悉并运行deepforest。
http://www.lamda.nju.edu.cn/code_gcForest.ashx

（2）熟悉学生校园刷卡行为数据集，并根据deep forest程序的输入要求进行预处理
（3）输出预测结果并分析。

阅读的文献和模型思考

1，使用deepforest的思想对行为进行预测

2，使用libfm对特征进行成绩的回归性预测。

其中将使用ubuntu虚拟环境进行libfm模型的训练。相关工作在之前有些研究，曾使用libfm利用历史成绩来预测学生成绩。
https://blog.csdn.net/qq_41785852/article/details/106399202
https://blog.csdn.net/qq_41785852/article/details/105447806

将使用隐语义分析来进行预测，想着通过对行为提取行为特征，使用mcmc算法，马尔可夫链蒙特卡罗算法（MCMC），MCMC方法是用来在概率空间，通过随机采样估算兴趣参数的后验分布。采用马尔可夫链进行采样。具体算法简介参考https://link.zhihu.com/?target=http%3A//www.cnblogs.com/pinard/p/6625739.html

3，使用时序学习模型来进行历史成绩的分析与预测。

下面是阅读到的南京大学关于时序学习相关方面的研究。
file:///E:/2019MLAworks/Research%20Title%203%20-%20面向时序数据的多示例多标记学习MIML%20learning%20for%20Sequential%20data/材料1-Zhi-Hua%20Zhou_Multi-Instance%20Multi-Label%20Learning.pdf