版权说明： MathClub网站原创资源，版权归MathClub所有，若发现转载或倒卖，一律追究责任到底！ 投稿资源，需要确定该资源为投稿者所有，若发现并非投稿者个人版权，一切责任由投稿者自己承担！
问题分析
问题一：我们根据附件Worlde每日报告结果的历史数据，首先进行了数据预处理，剔除了异常值，只保留五个字母的单词，采用单输入LSTM时间序列预测2023年3月1号的分数区间为[26524.5,27117.7]。对于研究单词的何种属性会影响困难模式下分数的百分比时，我们提取出以下特征：单词的常见程度、单词首字母权重、单词尾字母权重、是否含有重复字母等，并进行了相关性分析，最后得出：在困难模式下，单词的常见程度对困难模式的报告分数有最显著的影响，单词含重复字母的影响次之，其它因素影响较小。
问题二：采用多输入多输出的LSTM时间序列预测模型，以单词的常见程度、单词首字母、单词尾字母、是否含有重复字母等属性作为输入，以某天（1，2，3，4，5，6，x）的相关百分比作为输出，训练该模型，并检验该模型的准确度，其中训练精度达到了92.4%。接着对单词EERIE进行检测，得到其（1，2，3，4，5，6，x）的相关百分比为，预测结果是合理的。
问题三：要求较好的识别未来某天给定单词的难度，我们在深入分析单词的各属性的相关性后，选出与单词难度相关性较强的属性，以此作为维度结合K-means聚类算法对单词进行难度分类，将难度分为易、中、难。最后基于此模型，对给定单词EERIE进行判别，得到的结果是该单词属于困难类型，可知该分类模型较准确。
