问题描述
如果数据集基于时间而不是数据，人们将如何解决机器学习问题？
比如说一个大学学位。每年都有一批新的学生进来，他们花了4年的时间，然后毕业。因此，一个单一的数据集将包含一个为期4年的单批数据（在特定年份入学的数据）。而且我们有很多这样的数据集，等于该本科课程的批处理数量（2015、2016年入学的人数，等等）。
问题是，当新一批学生首次进入大学时，他们会使用背景数据来预测他们的毕业班级，并随着他们的学位继续对其进行改进。为每个批次（数据集）标识的模式对于该批次可能是唯一的，也可能不是唯一的。需要做的是，对于每个数据集，可以识别出模式，并且可以将在时间上（批次）一致的模式用于新批次的预测。
常规时间序列分析在这里似乎并不直接适用。在正确的路径上提供的任何帮助或指导都将受到赞赏。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）