想用机器学习做一个录取率评估程序，征求意见

如题 有想法用机器学习模型做一个程序评估针对某具体院校的录取几率，特征是申请人的三维呀，本科院校等级呀，科研实习有无等等，训练数据准备爬虫爬一下地里的播报帖获得。

以上是初步想法，看大家觉得可行性如何，或者有没有什么想法？

1. 样本量太少
2. 信号噪音大且空白项多
3. 科研背景之类的东西没有办法量化
4. 本科院校也没办法量化，直接用院校来做feature太过稀疏，编码成院校等级就又是一个主观过程，人为偏差太大
5. 各个学校标准不一样，不能放在一起做训练，但每个学校分别训练的话回到1，样本量太少太少
6. 上面提到的采样偏差问题，最简单的线性模型也有一个global intercept，negative sample的数量会直接影响这个intercept

简而言之巧妇难为无米之炊。

我有统计过17Fall百分之85以上的录取数据
直接把top2和双非去掉（背景干扰太大），牛paper的去掉，剩下的根据三维用excel做了手工整理，包括各个学校的评价和特点（来源于比较贴和院系介绍）
现在还是很清楚要申请什么学校的

机器学习没有必要，样本量太小了。而且关键是喜欢报ad的主要是收割机和大牛
被拒了的不喜欢报，而且背景偏弱侥幸过了的人也不喜欢报。
由于统计了数据，在回复一下帖子的时候我经常说17Fall录取的都是GPAXXX以上的
然后一般都有人出来打我脸，一看他的主题根本就没发过汇报帖
23333

所以其实还是知道自己大概在哪个区间就可以了

补充内容 (2017-6-26 23:09):
还有更关键的是加一些相关学校的前辈多交流
多掌握一些实时信息，比如有的学校“刷题大神也没找到工作，但是女生都找到了”这些东西统计不出来的

感觉是可以，但是
1. 样本还是比较小，而且在地里兢兢业业每个学校必报并且写清背景的，一般也是认真做事、认真准备申请的人，他们犯的错误更少、材料准备更用心，所以结果也会偏好；
2. 这个数据对中介、学校似乎更有用一些，对普通同学未必非常受用，因为概率终究只是一个不知道任何特殊情况的估计，作为每个申请个体还是应该多看一看自己的特点再权衡，实际上该做的功课总量可能不会有什么变化。

地里从前也讨论过。最大问题是biased sampling.

SourceII 发表于 2017-6-26 00:21
感觉是可以，但是
1. 样本还是比较小，而且在地里兢兢业业每个学校必报并且写清背景的，一般也是认真做事 ...

有道理 样本确实可能比较少 而且每年形势变化貌似也比较大

shuyangsheng 发表于 2017-6-26 03:14
1. 样本量太少
2. 信号噪音大且空白项多
3. 科研背景之类的东西没有办法量化

看来还是只能继续“玄学”申请了（手动滑稽）

可以，问题是爬数据太费劲了，还要去重，光在一亩三分地上的samples肯定不够的。属于吃力不讨好的类型。。。

我建议楼主真有兴趣可以尝试一下的，发挥极客精神嘛。做统计学习肯定会有很多很多的困难的，积累经验也好的，

滚动的西瓜 发表于 2017-6-26 11:02
我建议楼主真有兴趣可以尝试一下的，发挥极客精神嘛。做统计学习肯定会有很多很多的困难的，积累经验也好的 ...

谢谢鼓励 确实主要是出于兴趣 觉得所学能够帮上自己正在遇到的实际问题的话很有成就感和动力

我也想过这个问题，感觉最重要的就是和中介公司合作，毕竟他们有所有人的所有申请材料，虽然这些材料还会有偏差，毕竟真正的大神是不会找中介的。。。