我一直在处理来自患者的真实世界数据。我有一个包含 1000 万患者信息的数据集；在不同时期（5 到 20 年）内收集。

• 我预测的是二元风险（或者可能是该风险的概率），
• 大多数特征是不变的（家族史，吸烟者（y/n）...），但是，
• 我有一些与时间相关的特征（例如，体重、胆固醇值、葡萄糖值...），
• （此外，这些特征是在不同的时间点收集的，即，对于某些患者，我们有半年的信息，对于某些患者，我们在 15 年内有 2 次测量）
• 到目前为止，我一直在使用 XGBoost 分类器或其他分类器预测我的目标，因为我的特征是静态的（通过平均值，或使用最新的）。
• 我可以尝试对这种情况使用时间序列吗？或者只是坚持使用 ML 分类器并尝试以另一种方式合并值的进展？
• 有人遇到过类似的问题吗？

干杯!