获取数据集是定义 ML 问题的重要部分，但它不是唯一的。通常这涉及以下步骤：

1. 定义问题的目标。示例：预测 AIDS 患者的 AZT 耐受水平。
2. 获取问题的适当数据。
3. 设计实验的正式设置：
   • 什么样的问题（例如分类）
   • 什么是目标变量，数据中的特征是什么
   • 如何评估结果的质量（绩效衡量，egf1-score）
   • 实验设置：ML 方法、使用交叉验证等。

你的目标变量是你想要预测的任何东西。对于这个特定的数据集，逻辑选择可能是“死亡”、“事件”或“AZT”。您通常希望使用某种患者数据来预测这些结果。例如，尝试建立一个从死亡变量预测治疗过程的模型没有多大意义 - 尽管它在统计上是可行的，但您通常更喜欢从治疗过程预测死亡的潜在因果关系。死亡不可能是治疗过程的原因，因为它总是发生在治疗之后。

即使您可以根据某人是否死亡来确定治疗过程，但从实际的临床角度来看，它也不会很有用。在少数情况下您会知道某人是否死亡并且不知道他们的治疗过程（但想知道）；拥有某人当前的治疗过程并预测他们是否会死亡会更有用。但原则上，您的目标可以是任何变量——生成的模型是否有用、是否有意义或在实践中是否可实施将取决于这些值实际代表什么。