用于将基于时间的数据分类为二进制标签的分类器

Question

我可以访问100个人的数据框，以及他们在特定运动测试中的表现。此帧每人包含约25,000行，因为此人的表现被跟踪（大约）每厘米（10 ^ -2）。我们希望使用此数据来预测二进制y标签，也就是说，是否有人出现运动问题。

经过训练的神经网络，每个人的某些列的均值和方差正确地分类了+-72%个数据。 朴素贝叶斯分类器基于正确分类的+-80%每人某些列的均值和方差。

现在，由于这是基于时间的数据，“此测试在时间上的表现”，因此建议使用递归神经网络。我调查了一下，发现它主要用于预测将来的事件，即在接下来的几毫秒内发生的事件。

问题是，在这样的（以时间为基础的）数据上使用RNN来预测二进制标签通常是否可行？如果没有，那是什么？

Answer 1

是的，这绝对是可行的，而且非常普遍。搜索任何文档分类任务（例如，情感），以获取此类任务的示例。