USING MACHINE LEARNING TO PREDICT HEALTH CONDITIONS

Technology for predicting health conditions of patients is disclosed. In an example, a first data set comprising features of health data is obtained. A first epoch of training is performed using the first data set. A second data set is generated by applying a bias value to values of a first feature of the first data set. A second epoch of training is performed using the second data set to train the machine learning model A first set of data comprising static data and a second set of data comprising dynamic data is received, from which a time series data set is derived. A value is determined as absent m the time series data set. The value is assigned using a given data. The time series data set is provided as input to the trained machine learning model to predict health conditions of a patient. L'invention concerne une technologie permettant de prédire les états de santé de patients. Dans un exemple, un premier ensemble de données comprenant des caractéristiques de données de santé est obtenu. Une première époque d'apprentissage est réalisée à l'aide du premier ensemble de données. Un second ensemble de données est généré en appliquant une valeur de polarisation aux valeurs d'une première caractéristique du premier ensemble de données. Une seconde époque d'apprentissage est réalisée à l'aide du second ensemble de données afin d'apprendre le modèle d'apprentissage automatique. Un premier ensemble de données comprenant des données statiques ainsi qu'un second ensemble de données comprenant des données dynamiques sont reçus, un ensemble de données chronologiques étant ensuite déduit de ceux-ci. Une valeur est déterminée comme étant absente dans l'ensemble de données chronologiques. La valeur est attribuée à l'aide d'une donnée fournie. L'ensemble de données chronologiques est fourni comme entrée au modèle d'apprentissage automatique appris afin de prédire l'état de santé d'un patient.