教育数据挖掘中面向二元决策问题的关系数据库粒度变更的最优类别属性变换

本文提出一种方法，通过对较低粒度级别的类别属性应用回归，来变换层次数据库中的数据粒度以解决二元决策问题。来自关系数据库中较低层次实体的属性，其信息内容通过在类别直方图上进行回归来优化，该回归在一个小的、有标签的专属样本上训练，而非使用通常的分布众数类别。本文在一个评估中学质量的二元决策任务上验证了该方法，重点关注逻辑回归如何将学生和教师属性变换为学校属性。实验在巴西学校公共数据集上进行，通过对逻辑回归产生的排名分数进行10折交叉验证比较。所提方法在最大Kolmogorov-Smirnov距离和ROC曲线下面积指标上，在0.01显著性水平下，取得了高于通常分布众数变换且等同于专家加权方法的性能。