• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >A Procedure for Extending Input Selection Algorithms to Low Quality Data in Modelling Problems with Application to the Automatic Grading of Uploaded Assignments
【2h】

A Procedure for Extending Input Selection Algorithms to Low Quality Data in Modelling Problems with Application to the Automatic Grading of Uploaded Assignments

机译：在建模问题中将输入选择算法扩展到低质量数据的过程及其在上载作业的自动评分中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

When selecting relevant inputs in modeling problems with low quality data, the ranking of the most informative inputs is also uncertain. In this paper, this issue is addressed through a new procedure that allows the extending of different crisp feature selection algorithms to vague data. The partial knowledge about the ordinal of each feature is modelled by means of a possibility distribution, and a ranking is hereby applied to sort these distributions. It will be shown that this technique makes the most use of the available information in some vague datasets. The approach is demonstrated in a real-world application. In the context of massive online computer science courses, methods are sought for automatically providing the student with a qualification through code metrics. Feature selection methods are used to find the metrics involved in the most meaningful predictions. In this study, 800 source code files, collected and revised by the authors in classroom Computer Science lectures taught between 2013 and 2014, are analyzed with the proposed technique, and the most relevant metrics for the automatic grading task are discussed.
机译：当在具有低质量数据的建模问题中选择相关输入时，信息量最大的输入的排名也不确定。在本文中，通过一个新程序解决了这个问题，该程序允许将不同的明快特征选择算法扩展到模糊数据。关于每个特征的序数的部分知识是通过可能性分布来建模的，并且因此将等级应用于这些分布的排序。将显示该技术在某些模糊数据集中充分利用了可用信息。该方法已在实际应用程序中演示。在大规模的在线计算机科学课程中，人们寻求通过代码度量自动为学生提供资格的方法。特征选择方法用于查找最有意义的预测所涉及的度量。在这项研究中，作者使用2013年至2014年间在计算机科学课堂上讲课的作者收集和修订的800个源代码文件，使用提出的技术进行了分析，并讨论了自动评分任务的最相关指标。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号