time-series - 是否可以使用以下数据运行支持向量机来预测生存?
问题描述
我们的数据包含三种类型的自变量。
年龄:分类变量
性别:连续变量
Lab1wk / Lab2wk / Lab4wk / Lab6wk:特定实验室值的时间序列数据
------------Age-Sex-Lab1wk-Lab2wk-Lab4wk-Lab6wk---生存案例
1--------31--1--------23- ------21--------2--------31----------是
案例2---------2--2 --------31-------31--------39--------92------------无
案例3---- --9--1--------21--------0-------31--------34------ ----是
.....
案例3092---42--1--------93-------99-------32------- --0------------是的
为了预测生存,我正在尝试使用 python 运行支持向量机。
我想在模型中包含所有实验室值(Lab1wk / Lab2wk / Lab4wk / Lab6wk),因为我认为实验室值的未知模式会强烈影响生存。
大约有 3000 个案例,运行支持向量机来预测生存是否合理?
或者我应该运行另一种统计方法?
非常感谢,提前。
解决方案
在本站信息的帮助下,我通过使用深度神经网络和循环神经网络的集成模型解决了这个问题。谢谢~!
推荐阅读
- python - 在kivyMD的MDToolbar中更改图标的颜色?
- symfony - Symfony 5 / Mercure > 私人更新。获取 CORS
- javascript - 为什么在这里创建一个新数组而不是清空旧数组会导致问题?
- ssl - Mosquitto websockets ERR_CONNECTION_REFUSED letencrypt
- php - Laravel 迁移“连接被拒绝”[2002] | 数据库正确 | 全新安装
- c# - 如何在不同的脚本中影响 bool
- swiftui - 观察 SwiftUI 中的帧变化
- javascript - JavaScript 将隐藏数据添加到 Object
- c# - SQLite 获取 int 而不是 float
- javascript - 将材料 ui 小吃栏附加到正文