推薦系統設計

Question

我目前正在進行一項研究，試圖預測人們的智商。 這是研究的方向，第1天參加者進行智商測試。他們每隔2周進行一次持續6個月的測試（可能會有不同的問題）。

鑑於此信息（或數據集）如何去設計推薦系統。 我想象這樣的事情

IQvalue --input - > [推薦引擎] --spits出來 - >可能的IQ值（6個月後）

我的實際研究還不是關於智商。我只是做了這個例子。 請建議我是否正朝着正確的方向前進？有沒有任何算法可以做類似的事情？

感謝任何幫助。

Answer 1

對於情況1，您只有與時間有關的IQ值，我建議您考慮時間序列分析方法。你的目標是預測智商隨着時間的變化。我對這個解決方案的建議是statsmodels庫。其github地址如下： https://github.com/statsmodels/statsmodels。 這個工具是用Python編寫的，使用方便。它包含許多常用的tsa模型，如ARIMA。如果你還有人的特徵，例如質量保證測試中的答案，年齡，性別，教育程度等，我建議你考慮使用機器學習方法來預測智商。你可以考慮隨機森林或梯度提升來解決這個問題。我建議你使用Scikit-learn或xgboost等工具。

對於情況3，可以將其建模爲推薦系統問題。假設用戶測試人員，item-IQ，rating-IQ值，則可以構造一個用戶項目矩陣。之後，您可以使用RS方法，例如矩陣分解或基於內存的方法來預測IQ值。

在我看來，前兩種方式可能會更適合您的情況。