外推实验如何设置

[WinterGan]

你好，我看了贵团队的论文，我想知道extrakt中的外推实验，如果要修改长度，需要在代码中修改哪个参数。望解答，谢谢

[Li-XYi]

您好，感谢您对我们工作的关注。进行外推实验，可以按照以下步骤进行设置：

1. 数据集预处理

• 在处理数据集时，通过设置maxlen参数为：200, 400, 600, 800 和 1000，可以得到不同长度的学生序列长度。

python data_preprocess.py --maxlen 200

2. 模型训练阶段

• 利用学生序列长度为200的数据集进行训练，得到训练好的模型。

3. 模型预测阶段

• 使用训练好的模型，分别在学生序列长度为200, 400, 600, 800 和 1000的数据集上进行预测，得到不同长度学生序列上的预测结果。

有任何问题欢迎随时提问。

[WinterGan]

您好，感谢您对我们工作的关注。进行外推实验，可以按照以下步骤进行设置：

1. 数据集预处理

• 在处理数据集时，通过设置maxlen参数为：200, 400, 600, 800 和 1000，可以得到不同长度的学生序列长度。

python data_preprocess.py --maxlen 200

2. 模型训练阶段

• 利用学生序列长度为200的数据集进行训练，得到训练好的模型。

3. 模型预测阶段

• 使用训练好的模型，分别在学生序列长度为200, 400, 600, 800 和 1000的数据集上进行预测，得到不同长度学生序列上的预测结果。

有任何问题欢迎随时提问。

您好，请问一下将训练好的模型，放在长度为200，400，600，800和1000的数据集上进行预测。能否告诉一下操作步骤，非常感激

[Li-XYi]

您好，感谢您对我们工作的关注。进行外推实验，可以按照以下步骤进行设置：

1. 数据集预处理

• 在处理数据集时，通过设置maxlen参数为：200, 400, 600, 800 和 1000，可以得到不同长度的学生序列长度。

python data_preprocess.py --maxlen 200

2. 模型训练阶段

• 利用学生序列长度为200的数据集进行训练，得到训练好的模型。

3. 模型预测阶段

• 使用训练好的模型，分别在学生序列长度为200, 400, 600, 800 和 1000的数据集上进行预测，得到不同长度学生序列上的预测结果。

有任何问题欢迎随时提问。

您好，请问一下将训练好的模型，放在长度为200，400，600，800和1000的数据集上进行预测。能否告诉一下操作步骤，非常感激

您好。您可以参考以下操作步骤（操作方式不唯一，仅供参考）：

• 将pykt-toolkit项目文件复制5份，项目文件分别标识为pykt-toolkit_200、pykt-toolkit_400、pykt-toolkit_600、pykt-toolkit_800、pykt-toolkit_1000，每个项目文件的数据集长度分别处理为200，400，600，800和1000。
• 在pykt-toolkit_200项目中，训练KT模型。
• 利用上述训练好的KT模型权重文件，分别在项目pykt-toolkit_200、pykt-toolkit_400、pykt-toolkit_600、pykt-toolkit_800、pykt-toolkit_1000中进行预测，从而得到不同长度学生序列上的预测结果。
• 关于如何使用pykt进行模型训练和预测，可以参考此教程。