Wasim37 / Deep-Knowledge-Tracing

An implementation of Deep Knowledge Tracing (DKT) with Keras and Tensorflow

Overview

此仓库包含我对 Udacity 的 Capstone 项目的 Deep Knowledge Tracing 实现。

目的

构建并训练LSTM网络，以预测学生正确回答他尚未看到的问题的概率。使用的是 ASSISTments Skill-builder data 2009-2010 公共数据集。

结果

这是通过不断修改网络配置，获取的最佳验证损失。

Test Data (%)	AUC
20%	0,85

可以在“Log”文件夹中找到每次尝试的结果，配置和模型权重。

要求

您需要Python 3.x x64才能运行这些项目。

如果您还没有安装Python，建议您安装Python 的 Anaconda 发行版，它几乎包含这些项目中所需的所有软件包。

您也可以从这里安装Python 3.x x64

说明

1. 克隆存储库并导航到下载的文件夹。

git clone https://github.com/lccasagrande/Deep-Knowledge-Tracing.git
cd Deep-Knowledge-Tracing

2. 安装所需的包：

   • 如果已安装TensorFlow，请键入：

   pip install -e .
   

   • 如果要使用TensorFlow-GPU进行安装，请按照本指南 检查系统上必需的NVIDIA软件。然后键入：

   pip install -e .[tf_gpu]
   

   • 如果要使用Tensorflow-CPU进行安装，请键入：

   pip install -e .[tf]
   

3. 导航到src文件夹并打开 notebook.

cd src
jupyter notebook DKT.ipynb