python - 如何处理机器学习中的异步输入
问题描述
考虑我正在构建一个使用来自两个不同表的患者数据的预测模型。
第一个表是NURSE_OBSERVATIONS
,它有 3 列:
- 发烧
- 血压
- 心率
第二个表是LIQUID_FOLLOW
,它也有 3 列:
- Liquids_in
- Liquids_out
- 重量
我的模型使用两个表作为输入。因此,我的输入向量的大小为 6。每当护士为两个表输入值时,都会触发我的模型并进行预测。但是,有几个问题:
- 数据输入不同步。护士观察每天输入 6 次,但液体数据每天输入两次,因此存在不匹配。我想在每次输入液体数据时触发模型,但仅使用最后一次护士观察数据会丢失以前的测量值。
- 护士并不急于使用该软件输入数据,因此某些行可能缺少数据。例如,护士可以输入 Fever 和 Blood Pressure,但跳过 Pulse_Rate,反之亦然。
我们如何为这种异步数据输入建立模型?如果我们用静态输入向量构建模型,比如深度神经网络,那么缺失数据会给我们带来维度不匹配错误。我们可以使用 seq2seq 模型吗?
如果需要,我可以添加更多信息。
Ps:请记住,缺失的数据可能会有所不同(可能是发烧,另一排是血压)
解决方案
推荐阅读
- php-7.2 - PHP 7.2.7 警告:使用未定义的常量
- linux - 具有 sudo 访问权限的用户无法从 Ansible AWX 运行 sudo 命令,并出现错误“缺少 Sudo 密码”
- sql - 在 Access 和 SQL Server 之间加入 DateTime 有时会失败
- c++ - 在子类函数覆盖中省略具有默认值的参数
- angular - 在一个组件中运行多个组件
- php - Ubuntu 18.04下php7.1-zip安装
- c# - 数据库更改对 Xtrareports 的影响
- jss - 如何使用 JSS 设置滚动条样式?
- python-3.x - 如何从不同的文件打印函数内的变量?
- c# - C# 使用 LINQ 过滤对象列表中具有最大值的每个对象