如何实现序列到序列模型？
如何实现序列到序列模型？
提问于 2021-05-03 11:09:16
我有一个数据数据，病人的人口，诊断历史，医院访问日期，药物消费等。
所有这些事件都有时间戳信息(除了诸如性别、年龄、教育等静态信息)。
我的目标是根据他以前的医院记录，如探访资料、药物资料、人口资料、诊断资料等，预测他未来3次探访医院的次数及危险因素。
这里的专家们能让我知道我需要遵循的步骤列表吗?这样我就可以学习和尝试实现我的项目目标了吗？
回答 1
Data Science用户
发布于 2021-05-04 02:29:30
您需要定义在每个时间序列块中要有多少时间步骤。然后，对于每个独特的病人，您需要创建这些块，这样训练集将成为一个3D矩阵，其维度如下：
块数*时间步骤数*功能数量
除了时间序列数据之外，您还可以添加另一个头来向NN提供常量数据，如病人id、一周中的一天以及.
对于时间序列部分，您可以使用biLSTM或biGRU或其他RNN层，然后使用密集层，然后将结果与来自常量特性的结果连接起来。
对于输出，还可以使用RNN层来预测未来访问的顺序，也可以简单地使用密集层。
==============Updated
考虑下面的流程图
如果您的其他特性(如药物、实验室测试)没有相同的时间结构，请将其视为时间序列组，并为每个功能添加其他的头部以及具有不同输入形状的RNN(对于时间步骤的数目)。关键是把你所有的特征带到潜在的空间，从那里开始解码和预测未来的序列。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/93901
复制相关文章
相似问题
腾讯云开发者
