此仓库包含我对 Udacity 的 Capstone 项目的 Deep Knowledge Tracing 实现。
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。
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。
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
- 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
-
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]
-
导航到src文件夹并打开 notebook.
cd src
jupyter notebook DKT.ipynb