| 您好，非常抱歉打扰您了，但是我目前的学习遇到了很大的困难，希望能得到您的帮助，问题是这样的：
现在有心脏病人的大量体检数据，囊括各种常见体检指标，我希望能够搭建一个模型，实现对发病概率的预测。比如，来一个病人的体检信息，能够预测他未来1年，3年，5年的发病概率，用曲线图展示出来。
我觉得朴素贝叶斯分类器可能比较适合，因它可得出概率值，但是跟时间没有关联。
暂时没有任何其它思路，您怎样认为呢，盼给出具体的建议，谢谢赐教,盼百忙中能帮忙
|
以下为blog主人的回复：
我的建议是分年度建立模型，分别预测未来1年、3年、5年的发病概率。很多算法都可以用来建模，比如决策树、Logistic Regression、神经网络等等。
时间序列算法好像只能根据单个变量的历史走势来预测其未来发展，无法把其它自变量的内在关系反映出来。（这个我没有仔细研究，希望对时间序列精通的同行指正） | |
