逻辑回归机器学习模型可以在这里工作吗？

Posted 2023-03-13

【中文标题】逻辑回归机器学习模型可以在这里工作吗？

【英文标题】：Would a Logistic Regression Machine Learning Model Work Here?

【发布时间】：2019-05-20 13:59:16

【问题描述】：

我在 10 年级，我希望对患者数据使用机器学习模型，以找出一周中的时间与患者依从性之间的相关性。我将一周分为 21 个时间段，一天中的每个时间段三个（1 个是星期一早上，2 个是星期一下午，等等）。依从性值将是二元的（0 表示他们没有服用药物，1 表示他们服用了）。我将为我的模型模拟训练、验证和测试数据。据我了解，我可以使用逻辑回归模型来输出患者在给定该时间段的过去数据的某个时间段内漏服药物的概率。这是因为逻辑回归在给定阈值时会输出二进制值，并且适用于处理概率和二进制类的问题，这是我的场景。就我而言，我正在处理的两个班级是，他们会吃药，不，他们不会。但这样做的主要问题是这些数据将是非线性的，至少在我的理解中是这样。为了更清楚地说明这一点，让我举一个现实生活中的例子。如果患者在周日早上（时间段 19）上瑜伽课，并且此时往往忘记服药，那么时间段 19 下的大多数数字将是 0，而所有其他时间段将有更多1秒。目标是创建一个机器学习模型，该模型可以实现给定过去的数据，即患者很可能会在下一个时间段 19 错过药物治疗。我相信逻辑回归必须用于仍然具有固有线性数据的数据分布，但我不确定。我也知道神经网络非常适合非线性分布，但是神经网络需要大量数据才能正常运行，理想情况下，我的模型的目标是能够仅用几周的数据就可以正常运行。当然，任何模型都会随着数据的增多而变得更加准确，但在我看来，通常神经网络需要数千个数据集才能真正变得相当准确。再说一次，我很可能是错的。

我的问题实际上是什么模型类型可以在这里工作。我知道我需要某种形式的监督分类。但是，我可以使用逻辑回归在给定一周中的某个时间时对依从性进行预测吗？

真的非常感谢任何对我的项目的一般反馈！请记住，我只有 15 岁，所以我所做的某些陈述可能是错误的，我将无法完全理解非常复杂的回复。

我还必须在接下来的两周内完成这项工作，所以请不要犹豫，尽快回复！非常感谢！

【问题讨论】：

您应该始终在神经网络之前拟合逻辑回归。事实上，逻辑回归是一个神经网络。它是最简单的类型。如果数据是非线性的，那么更复杂的模型在准确率、精确度、召回率等方面会“拟合得更好”，但为了判断“更好”，您首先需要简单的模型。

【参考方案1】：

在我看来，逻辑回归是不够的，因为您将使用单个参数作为输入。当我想象这个问题的决策线时，我认为它不能通过单个神经元（逻辑回归）来实现。它可能需要更多的神经元甚至几层神经元才能做到这一点。为此，您可能需要大量数据集。

【参考方案2】：

确实需要大量数据来应用神经网络。 如果您可以更准确地了解您的数据集和特征，那将会很有帮助。您还可以尝试为您的项目实施 K-Means-Clustering。如果您的目标是找出患者是否服药，则可以使用逻辑回归来完成。