逻辑回归
缺课节数与学业预警:看 S 形曲线怎么把缺课数变成挂科概率,再拖动预警线权衡误报和漏报。
交互实验(可直接投屏)
动手三步
- 点「自动训练」,看红色 S 形曲线怎么长出来
- 拖动「预警线」到 20% 和 80%,对比右边混淆矩阵里误报和漏报的变化
- 点「对比:用直线硬拟合」,看直线为什么不适合做分类
课堂怎么用
- 问学生:宁可多提醒几个人,还是尽量不打扰?阈值没有标准答案,是人定的
- 对比 A-01:为什么分类问题的输出要压到 0 到 1 之间
- 结合数据伦理讨论:预警是为了帮扶,不是贴标签
思考题
- 预警线从 50% 降到 20%,查全率和查准率各会怎样变?
- 「界限分明」的数据为什么越训练曲线越陡?
- 只看缺课一个因素,哪些学生永远预警不到?
已知限制
- 数据为合成数据;真实学业预警涉及学生数据,须遵守学校数据管理规定
CC BY-NC 4.0,保留出处可自由使用与再分发。