《表2 不同窗口大小记录数统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种面向预测任务的基于时间序列的病人表示学习方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了评估本文基于时间序列的病人表示学习方法的有效性，本文与文献[11]所提出的单次就诊自编码器（简称DeepPatient）在180d死亡预测任务上进行对比。同时参照文献[11]，我们还对比了另外3种传统特征学习方法，分别为主成分分析（Principal Component Analysis，简称PCA）、高斯混合模型（Gaussian Mixed Model，简称GMM）和K均值（Kmeans）算法。传统的方法需要确定观测窗口大小，为了对比不同窗口大小的影响，进行了由不同窗口大小下使用传统特征选取方法生成的特征的180d死亡预测对比实验。文献[5，11]提到医疗任务中窗口大小通常设置在30d、60d至180d。评估数据集得知，往过去回顾指定天数的时间区间内，存在其他记录的记录数如表2所示。