SuccessSage

SuccessSage：學生考試表現指標與預測器

SuccessSage 是一個全面的端到端機器學習項目，旨在預測學生的考試表現。它利用各種教育和人口數據來提供見解和預測，使教育利益相關者能夠更好地了解和改善學生的成績。

特徵

• 表現預測：利用各種機器學習模型根據學生的人口統計和學術數據來預測學生在考試中的表現。
• 模型最佳化：採用網格搜尋來找到每個模型的最佳超參數，確保最佳效能。
• 資料管道：包括完整的資料攝取、轉換和模型訓練管道，可自動執行從原始資料到預測的過程。
• Web 介面：基於 Flask 的互動式 Web 介面，可輕鬆輸入資料和結果視覺化。
• 日誌記錄和錯誤處理：全面的日誌記錄和自訂異常處理，以確保可追蹤性和易於調試。

數據概覽

此項目所使用的資料集包含多個指示學生學業成績的特徵：

• 人口統計資訊：包括性別、種族/民族以及學生是否獲得免費/減價午餐。
• 學術背景：涵蓋父母的教育程度以及學生是否完成了考試準備課程。
• 分數：閱讀和寫作分數用作輸入特徵。

資料處理

• 資料攝取：自動從 CSV 檔案中攝取數據，將其拆分為訓練和測試資料集。
• 資料轉換：使用 one-hot 編碼轉換分類資料並縮放數值特徵，為模型訓練做好準備。
• 訓練和測試資料集：將準備好的資料分為訓練集和測試集以評估模型效能。

安裝

1. 克隆儲存庫

   git clone https://github.com/Shubham235Chandra/SuccessSage.git
   cd SuccessSage

2. 設定虛擬環境（可選但建議）

   python -m venv venv
   source venv/bin/activate  # On Windows use `venvScriptsactivate`

3. 安裝要求

   pip install -r requirements.txt

運行應用程式

1. 啟動燒瓶應用程式

   python app.py

   這將在localhost連接埠5000上執行 Web 應用程式。

2. 存取網路介面

   • 開啟瀏覽器並導航至http://localhost:5000/ 。
   • 使用網頁表單輸入學生資料並接收預測。

專案結構

• app.py ：Flask 應用程式的入口點。
• application.py ：管理路由和 Web 表單處理。
• predict_pipeline.py ：管理預測管道，包括預處理和模型預測。
• data_ingestion.py ：管理資料的攝取和初始處理。
• data_transformation.py ：實作預處理管道。
• model_trainer.py ：使用各種演算法（例如 RandomForest、DecisionTree、GradientBoosting 等）管理機器學習模型的訓練。
• utils.py ：用於序列化和其他任務的實用函數。
• logger.py ：設定監控日誌記錄。
• exception.py ：自訂異常處理以實現強大的錯誤管理。

貢獻

歡迎貢獻！請分叉存儲庫並提交帶有您建議的更改的拉取請求。

執照

根據 MIT 許可證分發。有關詳細信息，請參閱LICENSE文件。