Python 机器学习中如何处理异步输入

假设我正在构建一个预测模型，该模型使用来自两个不同表的患者数据

第一个表是

NURSE\u OBSERVATIONS

，它有3列：

• 发烧
• 血压
• 脉率

第二个表是

液体\u FOLLOW

，它还有3列：

• 液体
• 液体流出
• 重量

我的模型使用两个表作为输入。因此，我的输入向量的大小是6。每当护士为两个表输入值时，就会触发我的模型并做出预测。然而，有两个问题：

数据输入不同步。护士观察每天输入6次，但液体数据每天输入两次，因此存在不匹配。我想在每次输入液体数据时触发模型，但仅使用最后一次护士观察数据将丢失以前的测量值

护士并不急于使用软件输入数据，因此某些行可能缺少数据。例如，护士可以输入发烧和血压，但可以跳过脉搏，反之亦然

我们如何为这种异步数据输入建立模型？如果我们建立一个静态输入向量的模型，比如说，深度神经网络，那么丢失的数据将给我们一个维度失配误差。我们可以使用seq2seq模型吗

如果需要，我可以添加更多信息

注：请记住，缺失的数据可能会有所不同（可能是一排发烧，另一排血压）