Product Manager
  • Вступ до Machine Learning: створюємо першу модель

    Дякую Володя за статтю! Дуже цікавий матеріал. Ніколи не мав справу з Python, але на разі йде добре. Буду виконувати завдання.

    1. Немає даних за поточний рік тому немає сенсу. Однак, на практиці екзамен би проходив у декілька днів, тому після першого дня ми могли б перетренувати модель з урахуванням року і мати більш доповнену модель для наступних днів які б вже включали рік.

    2.1. Якщо немає ніяких вхідних даних а є тільки результати екзаменів, тоді напрошується думка що ймовірність здачі екзамену — це звичайне ділення кількості успішно зданих екзаменів на загальну кількість екзаменів. Або 1 мінус ймовірність нездачі. Головне не заплутатитись де що є.
    Для усіх даних = 0.797
    Для тренувальних тільки = 0.807

    2.2. Якщо відомо ім’я студентів, то потрібно перетренувати модель викинувши ’subject’, ’test1′, ’test2′ з вхідних параметрів і залишити тільки ’name’. Ну і підправити функцію predict_exam_failure(name)

    Для Андрія ймовірність здачі екзамену = 0.85230124

    3. Поки незнаю

    4. Андрій має двійника який має ідентичні результати іспиту, проте різні результати тестів. Усі інші імена учнів існують в одному екземплярі.

    5. Поки незнаю

    6. Поки незнаю

    7. Поки незнаю

    8. Дата складання іспиту і локація. Це дасть можливість розширити даними про погоду в цей час і врахувати як погода впливає на результат іспиту на основі прогнозу погоди який буде в день іспиту :) Але думаю найбільш важливими будуть будь-які параметри які можуть описати студента — вік, стать, працює/непрацює, має стипендію/ немає

    9. Поки незнаю

    10. Поки незнаю