我有一个包含患者人口统计数据、诊断历史、医院就诊日期、药物消耗等的数据集。
所有这些事件都有时间戳信息（除了静态信息，如性别、年龄、教育等人口统计数据）。
我的目标是根据他以前的医院记录（如就诊信息、药物信息、人口统计数据、诊断信息等）预测接下来的 3 次医院就诊和他接下来 3 次就诊的风险因素。
这里的专家可以让我知道我需要遵循的步骤列表，以便我可以学习并尝试实现我的项目目标吗？
如何实现序列到序列模型？
数据挖掘
机器学习
深度学习
分类
rnn
序列到序列
2022-02-16 01:58:48
1个回答
您需要定义每个时间序列块中需要多少时间步长。然后对于每个独特的患者，您需要创建这些块，以便训练集成为 3D 矩阵，尺寸为：
块数 * 时间步数 * 特征数
除了时间序列数据之外，您还可以添加另一个头来为 NN 提供诸如患者 ID、星期几和...等常量数据。
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 Dense 层，然后将结果与来自常量特征的结果连接起来。
对于输出，您还可以使用 RNN 层来预测未来访问的顺序，或者简单地使用 Dense 层。
===============已更新
考虑下面的流程图
如果您的其他特征（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，并为每组添加其他头以及具有不同输入形状的 RNN（时间步数）。关键是将所有特征带到潜在空间，然后从那里进行解码并预测未来的序列。
