利用时间序列中特征-标签对建模患者治疗延迟
机器学习
2018-12-04 v1 机器学习
摘要
药品靶向是制定销售与营销策略规划的关键输入之一。靶向名单建立于预测医师对某类患者的销售潜力之上。本文中，我们提出一种利用时间序列模型预测患者疾病与治疗进展的时间敏感靶向框架。我们通过提取某时段内的服务历史创建时间特征，并记录事件是否在前瞻期内发生。此类特征-标签对在所有时间段与所有患者上考察以训练模型。其保持了服务的固有顺序并评估与临近未来相关的特征，从而有助于提升准确性。
引用
@article{arxiv.1812.00554,
title = {Modeling Treatment Delays for Patients using Feature Label Pairs in a Time Series},
author = {Weiyu Huang and Yunlong Wang and Li Zhou and Emily Zhao and Yilian Yuan and Alejandro Ribero},
journal= {arXiv preprint arXiv:1812.00554},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216