¿Un problema de investigación no resuelto o simplemente un problema difícil?
Ok Al predecir la no presentación en un consultorio clínico, parecería que la accesibilidad de la clínica a un paciente en particular tendría un gran impacto en su probabilidad de no presentarse.
Pero , uno no puede simplemente usar el código postal como la función ML, porque ciertas personas en un código postal podrían estar en un largo camino de tierra, mientras que otras personas podrían estar al lado de la interestatal interestatal.
- ¿Hay algún marco de Python específico para AI, NLP o material relacionado con big data?
- ¿Cuál es la estrategia de apuestas diarias dobles de IBM Watson?
- ¿Por qué API AI no es de código abierto?
- ¿Cuál es el algoritmo de inteligencia artificial detrás de la sugerencia de la sección de cada sitio web?
- ¿Cuál sería el campo de estudio entre la física teórica y ML / AI?
Si profundiza para usar las secciones censales como una característica en lugar de zip, puede encontrar que no hay suficientes (o ninguna) gente en una extensión dada que haya visitado esa clínica. Por lo tanto, el entrenamiento modelo es difícil o imposible ya que esta es una característica categórica que a menudo no está poblada.
Claro, usted dice: “Solo use los tiempos de Google Drive”. Bueno, sí, pero si está extrayendo columnas de características de un EMR y su máquina ETL no tiene acceso a Internet (ya que está tratando de mantenerse seguro), las cosas se vuelven Un poco más difícil.
El aprendizaje automático de la asistencia sanitaria es divertido. 🙂
