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?
问题描述
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)
解决方案
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。
推荐阅读
- emacs - 导航到特定 C++ 文件时,Emacs 非常慢
- wordpress - wordpress 分类网站可以根据广告类型显示/隐藏不同的 UI 元素吗
- php - Doctrine make:migration 在类名生成器上抛出错误
- c - 使用三元运算符时出现“表达式必须具有整数类型”错误
- javascript - Google Meet 自动关闭脚本
- ios - 使 CGPoint 符合 AccelerateMutableBuffer 以使用 vDSP
- python - Scrapy - 拒绝规则被忽略
- angular - 从 Angular 库中导出 json
- sql - 使用附加条件将行号添加到现有列
- python - 使用烧瓶和 SQLAlchemy 显示 HTML5 评论列表