两层的问题:如何预测?

数据挖掘 机器学习 预测建模
2022-02-18 12:15:31

让我直截了当地说:

考虑一个预定的操作。有一个外科医生,比如说,另外三个执行各种任务的医疗人员。例如,一名护士、一名麻醉师和一名后备人员。

每个人在特定时间到值班。然而,有一定概率p(待预测)团队中的一个或多个成员不会出现在工作中。如果一个人没有出现工作,但由于备份仍然涵盖了他的特定技能,那么操作就完成了。否则,它被取消。例如,如果后备人员是经过认证的麻醉师,则没有预定的麻醉师并不能阻止手术的进行,因为提供了最低要求的技能组合。但是,如果后备人员是护士,而麻醉师没有出现,则必须取消手术。

这个问题涉及两层:

  1. 单个团队成员是否出现工作?
  2. 单个团队成员的技能对于手术的执行至关重要。

我的目标是预测手术的取消,这同时涉及步骤 1 和步骤 2(或者,您可以认为步骤 2 以步骤 1 为条件)。

我对如何使用标准机器学习算法来预测 1 有很好的理解。但是如何在考虑两个层的情况下生成最终预测?设置的问题似乎相当普遍,因此我会假设存在“标准”方法?

1个回答

这个问题最好通过离散事件、随机模拟建模来解决。从这样的模型中得到的预测是取消手术的概率分布。

给定您的问题陈述,编写这样的模型很容易。你需要:

  • 每种手术的布尔函数,给定角色和技能集作为输入,确定手术是否可以进行的真/假。
  • 预定时每种角色出现的概率分布。
  • 使用计划初始化的对象。

我们的想法是多次进行此检查(手术/手术取消),从而为您希望探索的每项政策增加一组结果。

如果您不想自己动手,可以使用许多语言的包,例如用于 Python的SimPy和用于 R的Simmer 。

离散事件模拟的好处是您不需要对概率进行任何简化假设,并且业务逻辑可以任意复杂。例如,如果外科医生和其中一位护士有外遇,则可以增加其中一位与另一位在同一天取消的机会。