创建一个模型，根据其他时间序列事件和对象的属性来预测事件

Question

我有以下数据：

• 一个人的标识符
• 在现场的天数（从 1 开始一直持续到活动）
• 当时的人的月龄（因此随着位置天数的增加而增加）。
• 吸烟者（布尔值），在我们的例子中不会随时间改变
• 性别，不随时间改变
• 跌倒（布尔值）这是一个可能永远不会发生的事件，或者在某个人的整个时期内可能会发生多次
• 伤口数量：（可以从 0 到 8），伤口大多不会立即愈合，所以它通常会在一段时间内保持开放状态
• 我们要预测的事件（布尔值），只有最后一行的人对此具有值 true

我有 1500 人的数据（总共 1500000 条记录，所以平均每人约 1000 条记录）。对某些人来说，我想预测的事件会在几天后发生，对某些人来说，则是 10 年后发生。对于数据集中的每个人，事件都会发生，因此某个标识符的最后一条记录将始终包含我们要预测的事件 1。

我是新手，到目前为止我找到的所有文档都没有展示多个人或物体的时间序列。例如，当我在机器学习工作室拆分数据时，我想将同一个人随时间的记录放在一起。

是否可以在使用新记录训练模型后为系统提供数据，并且对于过去的每一天，它都会给出未来 5 天内发生的事件的估计？

编辑：2 人样本数据：http://pastebin.com/KU4bjKwJ

Answer 1

听起来与这个样本非常相似：

https://gallery.cortanaintelligence.com/Experiment/df7c518dcba7407fb855377339d6589f

不幸的是，将涉及一些 R 代码。是的，您应该能够使用新数据重新训练模型。