创建一个模型，根据对象的其他时间序列事件和属性预测事件

Question

我有以下数据：

• 某人的标识符
• 天的位置（从1开始，一直持续到事件）
• 那个月的人的年龄（所以随着地点的日子增加而增加）。
• 吸烟者（布尔），在我们的情况下不会随时间而改变
• 性，不随时间而变化
• Fall（boolean）这是一个可能永远不会发生的事件，或者可能在某个人的完整时期内多次发生
• 伤口数:(这可以从0到8），伤口大部分不会立即愈合，所以它大部分时间都会保持打开一段时间
• 我们想要预测的事件（布尔值），只有一个人的最后一行的值为true

我有1500人的这个数据（总计1500000条记录，平均每人约1000条记录）。对于某些人来说，我想要预测的事件发生在几天后，有些发生在10年之后。对于数据集中的每个人都将发生事件，因此特定标识符的最后一条记录将始终将我们想要预测的事件预测为1。

我是新手，我到目前为止找到的所有文档都没有展示多人或对象的时间序列。例如，当我在机器学习工作室中分割数据时，我希望随时间记录同一个人的记录。

在使用新记录对模型进行培训后是否可以为系统提供信息，并且对于通过它的每一天，是否会给出在接下来的5天内发生的事件的估计值？

编辑：2人样本数据：http://pastebin.com/KU4bjKwJ

Answer 1

听起来与此示例非常相似：

https://gallery.cortanaintelligence.com/Experiment/df7c518dcba7407fb855377339d6589f

不幸的是，会涉及到一些R代码。是的，您应该能够使用新数据重新训练模型。