监督学习 - 在 Javascript 中从分类变量中预测连续值作为输入

Question

我是机器学习的新手，所以如果我的问题被认为是一般性的，我很抱歉。

目前，我正在开发一个用于安排医生预约的 Web 应用程序（前端：Angular2，后端：NodeJS）。患者可以通过他们的界面选择医生的专业、日期和时间段来进行预约。他们还必须从下拉列表中选择症状。另一方面，医生可以通过他们的界面在数据库中注册已完成预约的持续时间。

在患者界面中，我想包含我的机器学习算法，该算法必须获取一个症状作为输入，并预测预约的持续时间。

我想成为一个监督学习算法。它将能够在需要时从管理界面内部使用已完成约会的数据集[特别是使用分类变量 SYMPTOMS（输入）和连续变量 APPOINTMENT DURATION（输出）] 进行训练，因此算法将知道例如与症状“发烧”的患者的约会持续了 10 分钟，另一个“发烧”的约会持续了 14 分钟，与“感染”患者的约会持续了 20 分钟，另一个持续了 23 分钟，等等

因此，在训练面部之后，算法必须能够预测（使用神经网络或方程，例如平均值或更聪明的东西，我不知道是什么，我是期待想法）当前预约的预期持续时间，并将其作为信息显示给患者。

因此，我的问题是：

我必须为我的案例使用什么算法？我需要一个“列联表（交叉表）”吗？我在网上看到过这个，不知道怎么用？

上面的算法有没有 JavaScript 的实现或者库？

把它变成一个分类问题更容易吗？不是计算连续值，而是将结果分类为以下类别之一：15min、30min、45min、60min？

一般来说，我是否正确地解决了这个问题，或者是否有更好的处理方式？

非常感谢您的帮助！！

Answer 1

回归

您要查找的词是“回归”。回归算法是将 X = [f1, f2, f3 ...] 映射到 Y = [o1, o2, o3, ...] 的函数，其中每个 o 都是连续变量。特征 f1..fn 可以是分类的或连续的或两者的混合。

实施

上面的算法有没有 JavaScript 的实现或者库？

当然，很多。尝试查看 deeplearn.js

至于你想要什么算法，我想这取决于变量之间的关系有多复杂。所有这些都可以执行回归。我会按这个顺序试一试：

• 线性回归
• 逻辑回归
• 浅人工神经网络
• 深度神经网络

但是让我们考虑一下实际问题。我不是这个领域的专家，但我怀疑症状与预约时间有那么大的关系。

反例（切线）

想象一下：一个办公室有 2 位医生。一个话很多。一个没有。我发烧进去，得到了一个说话很多的人。 1小时预约。我带着扭伤的手腕进去，得到了一个不怎么说话的人。 20m 预约。

或者：我在冬天流鼻涕。其他 50 人也是如此。 3小时预约。我在夏天流鼻涕。另外1个人也是如此。 10m 预约。

在这些情况下，症状并不占就诊时间的大部分。无论您的机器学习算法多么出色，它都无法学习不存在的关系。在此处设计您的机器学习问题时，我建议您谨慎行事。

Answer 2

一般来说，我是否正确地解决了这个问题，或者是否有更好的处理方法？

希望我的想法能帮到你。这就是我们处理这个问题的方式。您对 ML 模型的输入是症状。输出是约会的时间。我们可以将其纳入回归问题。我们不是简单地根据症状名称来预测持续时间。相反，我们根据症状的特征预测持续时间。首先，您必须收集带标签的数据来进行 ML 训练。

例如，在过去几年中，您收集了 1000 条记录，每条记录用于一次约会，带有以下信息：

• 与症状相关的信息
• 患者相关信息
• 预约期限（标签）。

在你掌握了数据之后，你将进入特征工程步骤，它基本上会做这些事情：

• 填补缺失的数据。
• 编码类别特征。例如，症状名称为 {Cold, Fever, Sore Throat} 将变为 {1, 2, 3}。
• 将所有特征缩放到相同的数字比例。

在此步骤之后，您的数据将采用数字格式。您可以开始使用 ML。我相信 Javascript 中有很多 ML 库。你可以google一个来使用。

建立模型后，在患者的 UI 中，如果他们选择症状，我们将提取症状信息、患者信息，然后将这些信息转换为与我们进行 ML 训练相同的格式，然后 ML 模型可以预测预约多长时间是。

这是非常高级的指导方针，但它可以帮助您想出一个工作版的拳头。然后你可以在以后的迭代中改进它。