我正在研究机器学习领域。我有一个用例和数据，但我对一些事情不太确定，主要是我的模型将如何运行，以及应该从哪个模型开始。用例的详细信息和问题如下。任何建议都将不胜感激。
我的主要问题是：
-
当结果基于随时间累积的分数时，是否有可能设计一个模型，以便它能够持续运行，并在任何时候都能给出最佳猜测，无论是在学期的第一天还是三个月后？
-
我应该从哪个模型开始？我在考虑使用分类器，但排名也可能很有趣。
用例详情
学徒参加一个分学期的课程，共四个学期，每个学期持续六个月。在一个学期中，学徒执行各种操作和流程，并根据他们的表现获得分数。每个学期结束后，学徒要么有足够的分数晋级到第二学期，要么就失败了。
我们正在研究构建一个模型，以帮助识别有失败风险的学徒，并在他们能够获得帮助之前有足够的时间。
每个程序都被分配了一个复杂度代码，分为简单、中等和高级，并根据复杂度进行加权。
关于特征，我们有以下几项：
- 初次面试分数
- 入学考试分数
- 每个学徒执行的简单程序总数
- 每个学徒执行的中等程序总数
- 每个学徒执行的高级程序总数
- 每个复杂度级别的平均分数
- 人口统计信息（国籍、年龄、性别）
我不确定的是模型如何工作以及我们将在何时运行它。例如，如果我们在学期的第一天运行它，我假设每个人都会失败，因为每个人的程序分数都是0
当前计划是在每个学期的2-3个月后运行模型，这样就有足够的分数数据，并且也有足够的时间帮助任何有失败风险的学徒。
回答：
这显然是一个分类模型问题：
y = f(x[0],x[1], ..., x[N-1])其中 y (布尔输出) = {通过, 失败} 并且 x[i] 是不同的特征。
有大量的机器学习分类模型，如朴素贝叶斯、神经网络、决策树等，可以根据数据类型使用。如果您正在寻找一个建议特定机器学习模型的答案，那么我需要更多相关数据。然而，一般来说，这个流程图可以帮助选择合适的模型。您还可以阅读Andrew-Ng的CS229课程的第5讲关于模型选择的内容。
现在回到基本方法，一些特征如初次面试分数、入学考试分数等，您已经提前知道。而有些特征如程序中的表现，则是在学期中逐渐知道的。
因此，可以说模型在每个学期末的预测效果会更好。
然而，我可以提出一些建议来进一步改进：
- 不要将初始程序分数设为0，而是将其设为该学徒在其他程序中过去表现的平均值/中位数。
- 您甚至可以构建一个子模型来分析程序分数与面试分数之间的关系，因为它们并非完全独立。（我将在回答的后续部分解释这句话）
- 然而，如果这是该学徒的第一个学期，那么您将不会有该学徒的此类数据。在这种情况下，您可能需要考虑与该学徒类似档案的其他学徒的平均表现。如果数据集不是很大，K近邻算法在这里可能非常有用。然而，对于大型数据集，KNN会受到维度灾难的影响。
- 此外，绘制
y与不同变量x[i]之间的图表，以便观察y相对于每个变量的独立变化情况。 - 很可能（虽然这只是一个假设），
y会更多地依赖于初始变量，而非后期获得的变量。原因是后期变量并非完全独立于前期变量。 - 我的观点是，如果可以创建一个模型来预测一个学期的输出，那么也可以创建一个类似的模型来预测第一次程序测试的输出。
- 最后，由于模型可能在很大程度上依赖于人口统计因素和其他因素，它可能不是一个非常成功的模型。出于同样的原因，我们无法准确预测选举结果、足球比赛结果等，因为它们在很大程度上依赖于实时动态数据。
- 对于基于不同程序表现的动态预测，时间序列分析可能会有所帮助。但在任何情况下，最终结果将在很大程度上取决于学徒在动机和表现上的持续性，这在每个学期末会变得更加清晰。
