?
МАШИННОЕ ОБУЧЕНИЕ МОДЕЛИ ИНФОРМАЦИОННОЙ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ ПО ВОПРОСАМ ИНДИВИДУАЛИЗАЦИИ ОБРАЗОВАНИЯ
Обучение модели информационной рекомендательной системы связано с исследованием применяемых матема-
тических и информационных методов и моделей, их комбинаций с целью обеспечения необходимой точности
формируемых прогнозов и выводов. В статье рассматривается машинное обучение модели рекомендательной
системы с применением статистических методов и анализа больших данных, направленной на решение во-
просов индивидуализации образования. В данном случае точность машинного обучения модели зависит от
типа статистической модели, используемой для прогнозирования вероятности возникновения некоторого
события по значениям множества признаков, а также обучающей выборки, используемой для подбора па-
раметров, и функции регуляризации, используемой для улучшения обобщающей способности получающейся
модели. В рамках исследования проверяются модели на основе логистической регрессии, методах наивного
байесовского классификатора (Naïve Bayes), регрессии типа Лассо. Экспериментально подтверждается
теоретическое предположение о возможности создания рекомендательной системы по вопросам индивиду-
ализации образования на основе массива образовательных данных, включающего результаты учебной и вне-
учебной деятельности учащихся. Формулируются выводы о наличии корреляционных зависимостей в данных,
которые могут быть использованы для повышения точности обучения модели рекомендательной системы.