文件名称：*：CCER和eScience合作开发跨HS课程的指标
文件大小：73KB
文件格式：ZIP
更新时间：2024-03-09 20:50:02
Python
* CCER和eScience合作开发跨HS课程的指标，包括使用学生成绩单数据检测大学学术分配要求（CADR）的方法。 要求 R 3.4.4 Python 3.7.4 伦顿分析管道 要运行伦顿分析： 将settings_default.R复制到settings.R并编辑路径以指向系统上的文件。 打开一个bash窗口（在Windows上，使用git-bash）并运行以下脚本来为模型创建训练数据。 如果R和sqlite不在您的PATH中，则可能需要编辑env.sh脚本： ./run.sh
【文件预览】：
cadrs-master
----data()
--------cadrs()
----preprocess.R(724B)
----settings_default.R(1KB)
----python()
--------word2vec_pretrained_cnn_kfold.py(6KB)
--------cnn_emb_glove.py(7KB)
--------crstitle_cosine.py(2KB)
--------rnn_model.py(8KB)
--------implement_filters.py(684B)
--------cnn_cadrs_word2vec.py(11KB)
--------logreg_cadrs.py(3KB)
--------nb_classifier.py(3KB)
--------cnn_cadrs_class.py(6KB)
--------model_weights.py(606B)
--------cnn_grid_search_example.py(8KB)
--------cnn_cadrs_word2vec_2conv.py(11KB)
--------prediction_test.py(2KB)
----env.sh(746B)
----output()
--------.keep(0B)
----SQL()
--------create_enroll_2017_cohort.sql(433B)
--------CADR_result_tables.sql(9KB)
--------create_course_2017_cohort.sql(599B)
--------cadr_log.sql(3KB)
----packrat()
--------packrat.opts(398B)
--------packrat.lock(11KB)
--------init.R(8KB)
----requirements.txt(130B)
----preprocess()
--------training_data_RSD.R(12KB)
----run.sh(636B)
----.gitignore(111B)
----R()
--------student_grade_cohort.R(5KB)
--------post_hs_preprocess.R(691B)
--------create_cohort_files.R(3KB)
--------training_data_setup.R(9KB)
--------nn_output_analysis.R(2KB)
--------course_profiles.R(2KB)
--------cadr_training_data.R(13KB)
--------courses_cohort_cleanup.R(5KB)
--------crs_preprocess.R(9KB)
--------crs_reshape.R(6KB)
----cadrs.Rproj(205B)
----README.md(612B)
----analyses()
--------cnn()
--------xgBoost()
--------README_analyses.md(930B)
--------svm()
--------cadr_flag_test.R(5KB)
----.Rprofile(115B)