第15步 机器学习分类实战：数据收集

---

随便忽悠水一期

万里长征第一步，先把数据收集说了哈。
数据收集，顾名思义就是就是拿到数据。我盲猜大多数人都是从医院或者单位数据库导出来的，严格来说不叫数据收集，叫数据导出（说啥大实话）。多说一句，医院的病例系统对于导出临床症状可能不太友好（比如发热、畏寒、体重下降等），因为这些信息是在大病历里面的，没有统一的格式，硬要导出对于计算机来说很困难。反而那些实验室检查的数据（血常规、肝功肾功等），由于是一个萝卜一个坑的设计方式，所以很容易导出整齐的数据格式。对于前者，手抄吧，或者从源头上就把电子病例系统设计好，模块化的输入（想想而已，别当真）。

接着，可以根据你们的临床目的制定一个纳入排除标准，这个纳入排除标准很重要哦：
（1）你要纳入多少病人？（越多越好？）
（2）研究的期限是啥？（XX年至XX年）
（3）纳入标准：诊断标准是啥？是否有其他限制（年龄呀、治疗方式呀等等）。
（4）排除标准：为啥要排除，给出科学（能圆的过去）的理由。

这一步看起来很枯燥哈，其实是很重要的，反映出文章和设计的严谨性，也是审稿人最喜欢问的地方，比如说（我随便乱编的）：
① 研究期限是2012-2020，但是201