python - 如何处理由于学生在神经网络中的能力分组而被标记为“0”的学校成绩？

Question

我正在使用 Keras 和 Tensorflow 等对大学的学生表现进行二元分类，其中有两个输入“Math_A”（数学 A 课程的高中成绩）和“Math_B”（数学 B 课程的高中成绩）。

在此处查找带有成绩的表格示例（尚不允许显示图像）

在这个学校系统中，学生根据他们的数学能力被分流到不同的班级（A 或 B）。现在，参加“Math_A”课程的每个人显然都没有获得“Math_B”课程的成绩，因此在每隔一次观察时，成绩都会被标记为“0”。（据我在这里阅读其他一些问题所了解的，将它们标记为 NaN 也不是最好的解决方案）

据我了解，神经网络现在会将其解释为“0”级（=非常差）并相应地调整权重，但我想告诉它这个等级仅为零（或 NaN），因为学生参加了另一门课并且在那里得到了他的数学成绩。

我的问题：如何避免神经网络误解数据？

谢谢您的帮助！

（PS：请对我温柔，我对这一切都很陌生）

标签： pythontensorflowkerasneural-networkprediction

Answer 1

一个训练有素的神经网络将能够破译这一点。如果有疑问，请使用循环 LSTM 算法并训练至少 10 个时期的大量差分数据。