README.md

Feature Engineering

.
|-- Grade.ipynb
|-- KTAccuracy.ipynb
|-- KTAccuracy_fixed.ipynb
|-- README.md
|-- RepeatedTime.ipynb
|-- accuracy.ipynb
|-- bigClass.ipynb
|-- bigClassAnswerRate.ipynb
|-- bigClassCount.ipynb
|-- bigClassElapsedTimeAvg.ipynb
|-- elapsedTime.ipynb
|-- elapsedTimeClass.ipynb
|-- elapsedTime_ver2.ipynb
|-- elo.ipynb
|-- eloTag.ipynb
|-- eloTest.ipynb
|-- feature_engineering.ipynb
|-- feature_selector.ipynb
|-- prev_1st_FE.ipynb
|-- problemNumber.ipynb
|-- recCount.ipynb
|-- relativeAnswerCode.ipynb
|-- seenCount.ipynb
|-- split_train_test.ipynb
|-- tag&test_mean.ipynb
|-- tagCluster.ipynb
|-- userClustering.ipynb
|-- userLVbyTag.py
|-- userLVbyTest.py
|-- wday,weekNum,hour.ipynb
`-- yearMonthDay.ipynb

🎲 Basic feature

userID : 유저ID
assessmentItemID : 문제번호
testId : 시험지번호
answerCode : 정답여부
Timestamp : 문제를 풀기 시작한 시각
KnowledgeTag : 문제 분류 태그

🔧 feature engineering

통계

tagMean : 문제의 태그를 기준으로 한 정답률
tagSum : 문제의 태그를 기준으로 누적 정답횟수
tagStd : 문제의 태그를 기준으로한 정답여부 표준편차
testMean : 문제를 기준으로 한 정답률
testSum : 문제를 기준으로 한 누적 정답횟수
testStd : 문제를 기준으로 한 정답여부 표준편차

대분류

bigClass : 문제의 대분류
bigClassAcc : 유저의 대분류별 정답률
bigClassAccCate : 유저의 대분류별 정답률 categorical 화
bigClassCount : 유저의 대분류 풀이 횟수
bigClassElapsedTimeAvg : 유저의 대분류별 문제 풀이 시간 평균

answerCode

recAccuracy : 최근 정답률
recCount : 최근 맞춘 정답 갯수
cumAccuracy : 누적 정답률
cumCorrect : 누적 정답 수
accuracy : 유저의 정답률
totalAnswer : 해당 문제를 맞춘 총 횟수를 계산
seenCount : 해당 문제를 이전에 몇 번 풀었는지 기록
relativeAnswerCode : 상대적 정답코드(잘못된 feature)

timestamp

day : Timestamp의 날짜 추출
month : Timestamp의 날짜 추출
year :Timestamp의 날짜 추출
wday : 요일
hour : Timestamp의 시간
weekNum : 주차
elapsedTime : 유저가 문제를 푸는데 걸린 시간 (Timestamp : 문제 풀이 시작시간 기준)
elapsedTimeClass : 유저가 문제를 푸는데 걸린 시간을 Class로 분류
elapsedTime_ver2 : 유저가 문제를 푸는데 걸린 시간 (Timestamp : 문제 풀이 종료시간 기준)

Knowledge Tag

KTAccuracy : 유저의 KnowledgeTag별 정답률 (knowledge tag별 개인당 정답률)
KTAccuracy_fixed : 유저의 KnowledgeTag별 정답률
KTAccuracyCate : 유저의 KnowledgeTag별 정답률 카테고리화
tagCluster : knowlege tag clustering
tagCount : 누적 태그의 수
userLVbyTag : 태그 난이도로 분류한 유저 실력
userLVbyTagAVG : 태그 난이도로 분류한 유저 실력의 평균
tagLV : 태그 난이도
tagClass : 태그의 난이도를 사용하여 Class로 분류

testID

testLV : 시험지 난이도
userLVbyTest : 시험지 난이도로 분류한 유저 실력
userLVbyTestAVG : 시험지 난이도로 분류한 유저 실력의 평균

difficulty

elo : elo function을 사용한 문제 난이도 계산
eloTag : elo function을 사용한 KnowledgeTag 난이도 계산
eloTest : elo function을 사용한 시험지 난이도 계산
problemNumber : 문제의 번호
userCluster : 사용자의 cluster

Feature Selector

feature_selector : 실험 시 사용할 feature를 가지고있는 csv 파일을 만들 때 사용할 수 있습니다.