基于时间的数据到二进制标签的分类器答案

【问题标题】：Classifier for time based data to binary label基于时间的数据到二进制标签的分类器
【发布时间】：2019-01-21 10:54:41
【问题描述】：

我可以访问包含 100 人的数据框，以及他们在特定运动测试中的表现。这个帧包含每人大约 25,000 行，因为这个人的表现被跟踪（大约）每厘秒 (10^-2)。我们想用这个数据来预测一个二进制 y 标签，也就是说，如果有人有运动问题。

针对每个人某些列的均值和方差的训练神经网络正确分类+-72% 的数据。朴素贝叶斯分类器对每个人的某些列的均值和方差进行正确分类+-80%。

现在，由于这是基于时间的数据，“该测试在时间上的表现”，我们被建议使用循环神经网络。我对此进行了调查，发现这主要用于预测未来事件，即在接下来的几分之一秒内发生的事件。

问题是，在这样的数据上（以某种方式基于时间）使用 RNN 来预测二进制标签通常是否可行？如果不是，那是什么？

【问题讨论】：

【解决方案1】：

是的，这绝对是可行的，也很常见。搜索任何文档分类任务（例如情绪）以获取此类任务的示例。

【讨论】：

非常感谢，我将阅读这篇文章：towardsdatascience.com/…。
我试过了，但是我得到的准确率在 50% 左右。 stackoverflow.com/questions/54290619/…你有什么建议吗？
这并没有提供问题的答案。要批评或要求作者澄清，请在他们的帖子下方留下评论。 - From Review
@PhilippKief 从 OP 中引用：“问题是，在这样的数据上（以某种方式基于时间）使用 RNN 来预测二进制标签通常是否可行？”我的回答是“是的，这绝对是可行的，也很常见”。这既不是批评也不是要求澄清，它只是一个直接的答案。这有什么问题？
@BlackBear 您可以在答案中添加更多细节，而不仅仅是说“是的，这是可行的”。