qq_41785852的博客

项目实训日志6月30日-工作小结在项目实训期间实现的主要工作寻找数据，分析数据，参与小组算法讨论和界面讨论。学习LIBFM算法，在ubuntu虚拟机上学习使用libfm线性预测模型编写python代码进行数据预处理，将excel格式数据处理成libsvm格式的数据，参与矩阵分解模型训练。利用学生行为数据，基于LIBFM矩阵分解算法预测学生成绩。学习微信小程序开发相关知识，并跟随网络线上教程学习小程序开发。进行小程序前端设计和开发，和前端逻辑实现。设计首页界面，个人课表界面，图书馆打卡记录界

项目实训日志6月29日-课表界面和毕业照界面实现这两部分界面没有数据来源，但出于使得项目框架更加完善的目的，我也实现了相关的界面设计课表界面课表设计参考了网上比较成熟的界面设计wxml代码，采用scroll-view布局。<!--pages/courselist/courselist.wxml--><view class="top"> <view wx:for="{{['一','二','三','四','五','六','日']}}" class="top-text

项目实训日志6月28日-分析报告前言，学期分析报告是本项目的重点展示区间，通过对学生行为数据的分析，我们能预测学生成绩并预测学习排名，我们将会对学生一学期的行为数据进行统计分析和展示，并预测学期排名，根据学生的行为和预测成绩提出委婉适当的建议。界面功能需求展示学生的学期总支出情况，食堂支出情况，并查看学生食堂消费水平处于年级什么水平。展示学生一学期前往图书馆的次数，图书借阅次数，以及两项指标相对于年级平均水平的位置。展示学生前两学期的成绩排名，并预测当前学期成绩排名，排名数据来源于算法小组的预测

项目实训日志27-图书馆界面图书馆打卡记录界面功能需求：展示图书馆打卡记录，并在日历上显示。图书馆预约界面功能需求实现预约1.项目实现1.1 图书馆打卡记录界面先上效果图，比较简洁；界面分为两部分，上端部分调用极点日历插件功能，可直观显示打卡日期。下端部分实现一个简单列表显示具体的打卡日期。主要借助到的接口为极点日历插件，利用插件来实现小程序的打卡记录功能。将选定的日期标注为指定的颜色。同时由于采用的数据时间从2014年开始，将默认时间节点改为2014年一月但存在一个瑕疵，在于打卡

项目实训6月26日日志-消费记录界面实现界面需求介绍展示个人消费历史记录，包括消费时间，消费类别，消费钱数等个人信息。实现用户个人的收支记账功能，除校园卡记录的消费信息之外，用户个人可以在消费记录界面增添收入和支出记录，使得我们的消费记录更加细致，灵活，更加精准，并具有良好的用户体验性。实现个人收支分析报告，能对用户一学期的收入支出总情况进行展示分析，重点关注...

项目实训6月20日至25日日志经过一段时间的学习，大致了解了微信小程序的框架，并按照微信小程序的官方教程实现了一些简单的demo，并尝试使用了一些组件。我与任同学进行分工，我主要实现项目需要的主要界面，包括图书馆借阅记录，图书馆打卡记录，消费记录，成绩预测，分析建议报告等界面，任同学负责小程序数据库接口的实现。在这几天，由于期末考试的缘故，没有进行界面的实现，但大概的任务和界面功能构思在脑海里成形。等考完试，就将开始项目实现。...

项目实训日志6月13日至6月20日工作总结经过我们团队的商讨，将项目划分为算法设计和界面设计展示两部分，经过分工讨论，我的任务是辅助组长张同学，组员曲同学，参与算法设计，同时与组员成sir一同设计并实现配套的微信小程序项目。1. 基于LIBFM矩阵分解算法的学生成绩预测1.1 算法准备前言这学期刚好创新设计跟随实验室进行了基于LIBFM矩阵分解算法的学生成绩预测，于是产生了将LIBFM矩阵分解算法运用到该项目中的想法。1.2 LIBFM算法加上MCMC采样算法在 LIBFM 中，提供了两大类的模

项目实训NO4，5工作：这两天天根据群里讨论的算法，去尝试使用libFM算法，但发现效果并不如人意思，可能是因为数据量太小，同时不同专业和学科不容易进行处理，如果要使用libfm，要使用线性回归，同时要清楚是根据学科还是专业来分别建立模型。同时学习小程序教程。...

项目实训NO2,NO3这两天忙于NLP大作业的验收，所以工作较少，合并在一篇博客里主要工作前端设计结合数据合算法，构思微信小程序该有的功能，使用墨刀进行ui设计，划分mooc学习记录，校园卡记录的功能下载并学习微信小程序开发工具算法和小组成员讨论后发现深度森林算法并不合适，尝试使用svm算法的回归分析。...

项目实训No1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