Saya bertanya-tanya apakah ada teknik pembelajaran mesin (tanpa pengawasan) untuk memodelkan data longitudinal? Saya selalu menggunakan model efek campuran (kebanyakan non-linear) tapi saya bertanya-tanya apakah ada cara lain untuk melakukan ini (menggunakan pembelajaran mesin).
Dengan pembelajaran mesin, maksud saya hutan acak, klasifikasi / pengelompokan, pohon keputusan dan bahkan pembelajaran yang mendalam, dll.
machine-learning
mixed-model
John_dydx
sumber
sumber
Jawaban:
Dalam kasus di mana terdapat beberapa pengamatan dari satu subjek (misalnya, kunjungan berulang dari pasien yang sama), maka 'id pasien' adalah variabel 'pengelompokan'. Perawatan harus diambil selama evaluasi model sehingga kunjungan dari pasien yang sama tidak muncul dalam pelatihan dan data pengujian, karena ini berkorelasi dan akan menyebabkan inflasi akurasi klasifikasi .
The dokumentasi cross-validasi sklearn memiliki iterator cross-validasi untuk data dikelompokkan. Lihat GroupKFold , LeaveOneGroupOut , dan LeavePGroupsOut .
Bahkan lebih baik, coba Recurrent Neural Networks atau Hidden Markov Models .
sumber
Anda dapat memodelkan longitudinal Anda dengan metode pembelajaran mesin standar dengan hanya menambahkan fitur, yang mewakili longitudinality, misalnya dengan menambahkan fitur yang mewakili waktu. Atau fitur yang menunjukkan keanggotaan ke grup, orang, dll (dalam kasus data panel).
Jika Anda kreatif dengan pembuatan / ekstraksi fitur, Anda dapat memodelkan apa saja dengan algoritma-ML.
sumber