說明

民國104到108年度學測偏好分數排名。
令某年度申請入學有系所數目 N、學生數目 T，則假設對所有考生有一組偏好分數$$a_1$$~ $$a_n$$，使得某學生t選擇系所$$d_1$$的機率為$$P_{t_1}= \frac{ e^{a_{d_1}} }{ e^{a_{d_1}}+e^{a_{d_2}}+ \cdots +e^{a_{d_k}} } 。 $$ 為了估計這組偏好分數，我們使用 $$ Cross Entropy Loss: \max \sum_{i=1}^N y_i log P_{t_i} - \lambda \sum_{i=1}^N {a_i}^2。$$ 將申請入學各考生一階通過的系所作為考生可能的選擇集合，以考生最後錄取的科系為考生最後的選擇，據此資料用stochastic gradient descent (sgd) 演算法最小化Cross Entropy Loss，計算各年度的偏好分數。 此分數不代表系所之間的優劣，而是考生的選擇及偏好。

關於此模型可參考：

• Softmax function
• Cross entropy

執行環境

Python3 (+ Jupyter Notebook)

目錄結構說明

爬蟲-108年學測交叉查榜.ipynb: 以selenium搭配Xpath從交叉查榜網站爬取爬取資料集

資料集 10*fin/

• department_id10*.csv
• school_choose10*_fin.csv
• student10*_fin.csv

資料前處理: 過濾備不上的考生、只有一個系所可選的考生等，以dict資料結構儲存考生與其正備取科系

• preprocess1_delba.py
• preprocess2_test.py

sgd 模型

• model.py
• model_tocsv.py

模型輸出檔案 10*fin/

• department_dic_10*.pkl
• student_choice_10*.pkl
• student_dic_10*.pkl
• model10*_w_erlstp.npy: 各科系偏好分數

各科系排名結果整理

• department_rank10*_erlstp (0.05) v.csv