縦断データの機械学習手法

縦断的データをモデル化するための機械学習技術（教師なし）があるかどうか疑問に思いましたか？私は常に混合効果モデル（主に非線形）を使用してきましたが、これを（機械学習を使用して）実行する他の方法があるかどうか疑問に思っていました。

機械学習とは、ランダムフォレスト、分類/クラスタリング、決定木、さらには深層学習などを意味します。

1人の被験者からの複数の観察がある場合（たとえば、同じ患者からの複数の訪問）、「患者ID」は「グループ化」変数です。同じ患者からの訪問がトレーニングデータとテストデータの両方に表示されないように、モデルの評価中は注意が必要です。これらは相関しており、分類子の精度が高くなるためです。

クロスバリデーションsklearnのドキュメントには、グループ化されたデータのためのクロスバリデーションイテレータを持っています。GroupKFold、LeaveOneGroupOut、およびLeavePGroupsOutを参照してください。

さらに良いことに、リカレントニューラルネットワークまたは非表示マルコフモデルを試してください。

時間を表す特徴を追加するなど、縦断性を表す特徴を追加するだけで、標準的な機械学習手法で縦断をモデル化できます。または、グループ、メンバーなどのメンバーシップを示す機能（パネルデータの場合）。

機能の作成/抽出で創造的である場合、MLアルゴリズムで何でもモデル化できます。