Аннотация:Представленная в 2017 году архитектура ANN Transformer добилась колоссальных результатов в области машинного перевода, а в дальнейшем и прочих областях, даже не связанных с анализом текстов. Основой данной архитектуры является слой Attention, который помимо демонстрации впечатляющих успехов в последовательных данных, также дает возможность интерпретировать те или иные решения алгоритмов, построенных на его основе.
В данной работе современные методы машинного обучения используются для анализа биомедицинских данных. Сравнивается качество классификации ”классического” алгоритма CatBoost, недавно разработанной реккурентной нейронной сети TabNet, а также разработанной в ходе исследований нейронной сети, основанной на методе Attention. С помощью разработанной нейронной сети проводится многофакторный анализ показателей анамнезов пациентов.