我正在解决黑客级别的问题（非竞争）https://www.hackerrank.com/challenges/predict-missing-grade
基本上，您会获得一堆学生的其他科目成绩的测试数据，但数学除外，您将根据他们所有其他考试成绩来预测他们的数学成绩。假设您收到了以下数据
{"SerialNumber":1,"English":1,"Physics":2,"Chemistry":3,"ComputerScience":2}
您将如何生成该学生的数学分数或提出预测引擎来生成数学分数？我知道这就是这个问题的全部意义，但有人可以给我一个提示或资源，以便我有机会弄清楚这一点并真正开始吗？我真的很想学习。
我实际上会尝试回归。另外，不要在机器学习算法中错误地使用序列号！我建议回归而不是“更好的”机器学习算法的原因是因为你说你想学习，理解你的算法（从长远来看，真正擅长这些东西）很重要'正在使用。回归是本书中最简单的工具，效果很好！Weka 非常易于使用，因此您可以即插即用不同的机器学习算法。另一个让我赢得几场比赛的指针是在使用回归/机器学习之前做一些特征选择。例如，在您的情况下，可以合理地假设，与英语成绩高的学生（但不一定是物理）相比，物理成绩高的学生可能更有机会在数学上取得高分。如果您有足够的数据，算法本身将能够推断出这些正/负相关并相应地训练模型。有时，没有足够的数据，你必须做一些特征选择。祝你好运！我自己是 Kaggle 的常客，我认为你走“黑客”路线来了解更多信息真是太好了。这是解决实际数据和工程问题的最佳方式。算法本身将能够推断出这些正/负相关性并相应地训练模型。有时，没有足够的数据，你必须做一些特征选择。祝你好运！我自己是 Kaggle 的常客，我认为你走“黑客”路线来了解更多信息真是太好了。这是解决实际数据和工程问题的最佳方式。算法本身将能够推断出这些正/负相关性并相应地训练模型。有时，没有足够的数据，你必须做一些特征选择。祝你好运！我自己是 Kaggle 的常客，我认为你走“黑客”路线来了解更多信息真是太好了。这是解决实际数据和工程问题的最佳方式。