监督学习-在Javascript中，从类别变量中预测连续值作为输入

Question

我对机器学习很陌生，所以如果我的问题被认为是通用的，我很抱歉。

目前，我正在开发一个web应用程序(前端: Angular2，后端: NodeJS)来安排医生的预约。病人，通过他们的界面，可以选择一个医生的专业，一天和一个时间段，以作出预约。他们还必须从下拉列表中选择自己的症状。另一方面，医生可以通过他们的接口在DB中注册完成预约的时间。

在病人的界面中，我想包括我的机器学习算法，它必须作为输入，得到一个症状，并预测预约的时间。

我想成为一个监督学习算法。当他想要的时候，它可以从管理界面内部接受训练，有一组已完成的约会，特别是带有分类变量的症状(输入)和连续可变的预约时间(输出)，因此该算法将知道例如与症状“发热”的病人的约会持续了10分钟，另一次“发烧”约会持续了14分钟，与“感染”患者的约会持续了20分钟，另一次预约持续了23分钟等等。

因此，在训练面部之后，该算法必须能够预测(用神经网络或方程，例如平均值或其他更聪明的东西，我不知道什么，我期待的想法)当前预约的预期持续时间，并将其显示给病人。

因此，我的问题是：

我要用什么算法来解决我的问题？我需要“应变表(交叉表)”吗？我在网上看到这个，但我不知道怎么用？

在JavaScript中是否有上述算法或库的实现？

让这成为一个分类问题更容易吗？不要计算连续值，而是将结果分为以下几类:15分钟、30分钟、45分钟、60分钟？

一般来说，我是否正确地处理了这个问题，或者是否有更好的处理方法？

提前感谢您的帮助！！

Answer 1

回归

你要找的词是“回归”。回归算法是一个映射X= f1，f2，f3的函数。to Y= o1，o2，o3，.其中每一个o都是一个连续变量。这些特性，f1..fn，可以是分类的，也可以是连续的，也可以是两者的混合。

实现

在JavaScript中是否有上述算法或库的实现？

当然，成堆的。试着看看deeplearn.js

至于您想要什么样的算法，我想这取决于变量之间的关系有多复杂。所有这些都可以进行回归。我会按这个顺序试一试：

• 线性回归
• Logistic回归
• 浅安
• 深度人工神经网络

但让我们考虑一下实际的问题。我不是这个领域的专家，但我怀疑症状是否与预约时间有那么大的关系。

反例(切线)

想象一下:一间办公室里有两名医生。一个会说很多话。一个没有。我发烧了，得到了一个经常说话的人。1小时预约。我带着扭伤的手腕进去，得到了一个不常说话的手腕。2000万次预约。

或者:冬天我流鼻涕。其他50个人也是如此。3小时预约。夏天我流鼻涕。另外一个人也是。一千万预约。

在这些情况下，症状并不占预约时间的很大一部分。不管你的机器学习算法有多棒，它都不能学习不存在的关系。在设计您的机器学习问题时，我建议您注意这一点。

Answer 2

一般来说，我是否正确地处理了这个问题，或者是否有更好的处理方法？

我希望我的想法能帮到你。这就是我们处理这个问题的方法。您对ML模型的输入是症状。产出是预约时间的长短。我们可以将其归结为回归问题。我们不只是根据症状名称来预测持续时间。相反，我们根据症状的特点来预测持续时间。首先，您必须收集标记数据来进行ML培训。

例如，在过去的几年中，您收集了1000条记录，每条记录用于一次约会，其中包含以下信息：

• 与症状有关的信息
• 与病人有关的信息
• 任用期限(标签)。

在您掌握了数据之后，您将进入步骤，它主要完成以下工作：

• 填写丢失的数据。
• 编码类别功能。例如，症状名称有{感冒，发烧，喉咙痛}将成为{1，2，3}。
• 将所有功能缩放到相同的数字刻度。

在这个步骤之后，您的数据是数字格式的。您可以开始使用ML。我相信在Javascript中有很多ML库。你可以用谷歌搜索一个。

当你有了一个模型后，在病人的UI中，如果他们选择症状，我们会提取症状信息，病人信息，然后将这些信息转换成与我们做ML训练相同的格式，然后ML模型可以预测预约的时间。

这是非常高水平的指导方针，但它可以帮助你想出一个工作版本的拳头。然后，您可以在以后的迭代中改进它。