Machine learning 预测等级的朴素贝叶斯方法

我有四节课（例如a课、b课、c课、d课）的100名学生的成绩数据集，让我们假设这些成绩与 第f课的成绩

我想通过这四个等级实现预测等级f的朴素贝叶斯，但我不知道如何使用输入。 我阅读了朴素贝叶斯的垃圾邮件检测，并在那个里，每个词的可能性计算。 但对于分数，我不知道我必须计算出什么可能性。

---

我试过像垃圾邮件一样，但是对于这个例子，我只有四个名字（每节课）

为了做一个好的分类，你需要有一些关于学生的信息，而不是他们正在上的课。根据您的示例，垃圾邮件检测基于单词、停止词，这些词通常是垃圾邮件（购买、促销、金钱）或来源于http头。 对于预测学生成绩的案例，你可以想象有关于学生的信息，比如：社会阶层，他在做运动，男性还是女性，等等

回到你的问题上来，有趣的不是课程名称，而是每个学生在这门课上的成绩。为了训练朴素贝叶斯分类器，您需要对每四节课和第f节课进行评分

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

StudentID   gradeA  gradeB   gradeC    gradeD  
1058          1        5       8         4

培训分类器后，您将为新学员传递新条目，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

StudentID   gradeA  gradeB   gradeC    gradeD  
1058          1        5       8         4

分类器将能够预测第F课的分数，同时考虑进阶分数

---

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。这是贝叶斯分类器将尝试学习的内容，只是以更复杂的方式。

欢迎访问该网站。本指南可以帮助您简化目前非常广泛的问题：。