您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
Github上的一个简单项目：用人工智能预测大学录取概率
2017年10月31日 由 yining 发表
693734
0
每年有超过200万的大学申请被提交，每个申请都有一定的机遇与风险。即使是最高学术水平的学生的申请也存在随机因素，因此往往会面临困难的局面——大学招生中固有的精英管理体制会给很多申请者带来不确定性、怀疑和焦虑。
当然，有很多因素影响着录取，但有两个因素在决定录取率方面有很大的影响:GPA和SAT/ACT成绩。虽然其他因素也在考虑之中，但在统计学上不可否认的是，这两项指标对学生的申请有着不可思议的重要性——尽管没有人真正知道这些指标是如何被大学评判和过滤的。
它是如何工作的
这可能是你看到的最简单的神经网络。我只是简单地实现了深度神经网络分类器，但我没有使用传统方法来处理数百个节点，而是将这些参数打乱，并将其带到了10-20-10的隐藏层。输入都是标准数字。
在GPA+SAT数据语料库中进行训练后，它可以预测录取情况。
训练
请参阅neuralnet文件夹中的README文件。你需要在目录中访问main.py。例如neuralnet/main.py .. args ..。组装一个数据集CSV文件。将1/3的内容剪切成另一个CSV文件，这个新文件是你的测试数据集。
我已经提供了我最初收集的CMU数据集来训练这个网络。更多关于命名数据集的信息在README文件中。
快速统计:Geforce 1060，6gb，150，000步长花费了四分钟，准确率为78.5%。
损失超过150，000步长的图表:
预测
为了便于使用，我使用Bootstrap 3设计了一个简单的GUI。python website.py，你需要使用Flack。
总之，它在某种程度上被证明是有用的，该项目的完整源代码可以在Github上获得。
当然，有很多因素影响着录取，但有两个因素在决定录取率方面有很大的影响:GPA和SAT/ACT成绩。虽然其他因素也在考虑之中，但在统计学上不可否认的是，这两项指标对学生的申请有着不可思议的重要性——尽管没有人真正知道这些指标是如何被大学评判和过滤的。
但最终，这两项指标可以用数据科学轻松地评估数据，以分析趋势和关联。因此，我决定尝试去预测大学的录取情况。
虽然有成千上万的统计方法来分析GPA和SAT/ACT成绩和申请结果之间的趋势，但我选择了一个最近流行的预测方法:机器学习。
在Tensorflow中实现了一个架构之后，我在卡内基梅隆大学收集的数据集上训练了我的网络。
Chancey是基于GPA和SAT2400数据的大学招生录取率的预测器。令人惊讶的是，在大约15万次迭代之后(在GeForce 1060 GPU上花费了1分钟)，大多数大学在这个带有50个样本数据的模型上轻松达到80%的准确率。虽然这看起来并不算准确，但它足以得出一些结论，而且肯定比任意的线性模型更好。
准备要求：
- Python (最好是3.x版本)
- Tensorflow (最好使用最新版本, 推荐GPU或高性能的CPU)
console-loggingpython模块,可使用pip安装numpy, 强力推荐使用Python 3的发行版Anacondaflask,可使用pip安装
它是如何工作的
这可能是你看到的最简单的神经网络。我只是简单地实现了深度神经网络分类器，但我没有使用传统方法来处理数百个节点，而是将这些参数打乱，并将其带到了10-20-10的隐藏层。输入都是标准数字。
在GPA+SAT数据语料库中进行训练后，它可以预测录取情况。
训练
请参阅neuralnet文件夹中的README文件。你需要在目录中访问main.py。例如neuralnet/main.py .. args ..。组装一个数据集CSV文件。将1/3的内容剪切成另一个CSV文件，这个新文件是你的测试数据集。
将GPA和SAT分数设置的很高
我已经提供了我最初收集的CMU数据集来训练这个网络。更多关于命名数据集的信息在README文件中。
快速统计:Geforce 1060，6gb，150，000步长花费了四分钟，准确率为78.5%。
损失超过150，000步长的图表:
缩减损失超过15万步长(褪色的蓝线是交叉验证，没有过度拟合和更多训练的空间)
预测
为了便于使用，我使用Bootstrap 3设计了一个简单的GUI。python website.py，你需要使用Flack。
总之，它在某种程度上被证明是有用的，该项目的完整源代码可以在Github上获得。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消