我刚开始使用Microsoft Azure Machine Learning Studio处理Azure机器学习。
您能否告知使用分类模型的正确方法，以便模型可以在到达目标/类之前用一系列信息分析窗口/间隔，这应该由模型进一步预测？
我们的问题只能通过分析其动态/进化中的所有先前信息来解决（例如，根据患者医疗结果的动态变化，可以发现一些疾病，包括它的当前阶段和我们可以预期的阶段在中期）。
例如，在输入文件中，我们不会在每行中提供目标信息的变量，而是仅在情况成熟到达此类目标的行/时刻显示。
如果Azure ML或其他地方已有关于此主题的一些材料/教程，我将非常感谢此类信息和链接。
提前感谢您的支持！
祝你好运， Berik
答案 0 :(得分：0)
将健康问题视为＆＃34;预测性维护＆＃34;对于人体问题，我建议你查看我们关于航空航天预测性维护的材料：
您可以使用类似的方法来生成新功能，例如＆＃34;疾病将在X个月内达到关键阶段＆＃34;，＆＃34;过去一年的ER访问次数，＆＃34;可以为任何时间点计算，等等，以便您可以从时间序列数据转换为低缺失数据帧。
您会注意到，在大多数情况下，这些示例并未使用内置的Azure ML功能来创建滚动窗口功能。自编写以来，已经发布了一些自定义模块，如Generate Lag Features;也许其中一些对你有用。
话虽如此，您描述的预测问题很复杂，我不知道您可以合理地希望达到的准确度。有关选择评估指标的帮助，请查看此Predictive Maintenance Data Science Playbook。注意常见的陷阱，例如： a＆＃34;模型＆＃34;总是预测不会发生的罕见事件会有很高的准确性。