python - 如何处理机器学习中的异步输入

Question

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：

1. 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。
2. 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）

标签： pythonmachine-learningdeep-learningartificial-intelligencedata-analysis