뒤로 가기
홈으로 이동
LearnFit
공유하기
YouTube, 선후관계분석
최현희님의 학습노트

선후관계분석

#전체
00:05선후관계분석은 두 Part로 나뉘어 진행됩니다. 최초 분석은 KC(Item) 간의 관계 분석을 하는 것이고, 이를 기반으로 방향성을 분석합니다. 관계분석을 위해서는 두 KC(item)간의 관계를 조건부 확률 형식으로 풀어내는 Association Rule Mining과 여러 KC(item)과의 연관관계를 고려할 때 가장 영향력이 큰 Item(KC)를 골라내는 방법으로 Random Forest Analysis의 Permutation Importance를 계산하는 과정을 도입하였습니다.
00:05Item(KC)간의 관계가 모두 설정되면 Item(KC)간의 방향성을 설정합니다. 학습에 있어서의 방향성을 결정하는 방법은 1. 쉬운것부터 배운다. 2. 해당 Item(KC)를 제대로 Master한 그룹과 그렇지 않은 그룹간에는 점수차이가 많이 나야 한다. 라는 가정을 고려하였습니다.
00:05쉽고 그렇지 않은 KC를 나타내는 난이도는 IRT를 이용하여 구하였으며, 선후 점수차이를 확인하기 위하여는 두 그룹 평균비교 방법을 채택하였습니다.
00:05본 Machine learning을 이용한 선후관계분석 프로그램을 수강하신 후, 데이터를 이용한 응용예를 확인하시면 훨씬 이해가 쉬울 것입니다.
✔ 학습 완료

이 학습노트가 포함된 러닝패스예요.

최현희님의 다른 노트는 어때요?

최현희의 프로필 이미지
최현희
의 학습노트

Bayesian networks and causality by Richard Neapolitan

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
7
03:10
Causal Relationship과 Constraint Based Approach(Bayesian Network)
07:03
Correlation & Direction
스크랩
최현희의 프로필 이미지
최현희
의 학습노트

hmm

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
1
00:00
HMM을 사용하여 구현한 Adaptive learning system의 기능 중 하나입니다. C??은 Sub -Concept을 나타냅니다. 상세한 내용은 slideshare.net에서 확인하시기 바랍니다.
👍
1
스크랩
👋 다양한 인사이트를 읽어보고 계신가요?
나만의 학습 기록을 남기고, 관리하고 싶다면!
다양한 전문가의 멤버십 전용 콘텐츠를 보고 싶다면!
나의 학습 내용을 공유하고, 수익을 올리고 싶다면!
3초 회원가입/로그인으로, 런핏의 커뮤니티에 여러분도 함께하세요.
3초 만에 가입하기