Machine learning 如何从数组中预测类？

我有以下数据科学问题：我有一组数组。一个数组表示照明、供暖或通风的月消耗量，其中每行表示一小时的消耗量。因此，对于一年中的每个月，我有3个数组

例如，一个表示2019年3月加热消耗量的数组如下所示：

目的是预测一个月的消耗类型（照明、供暖或通风）。 所以，如果我想用决策树或神经网络为例。如何塑造数据变量是什么？通常，一行是数据，列是变量，但在我的例子中，一组行代表“一个数据”，我不知道变量是什么

我试着计算最大值，最小值，标准值，平均值等等…总结一个数组就是一行。但是，我想知道是否有另一种方法可以对数组集进行这种预测

---

多谢各位

您的数据格式没有问题

变量是什么？ 你说你想对一个整月的数组进行分类？那么你的变量就是整个月的数组。而不是单个行（或您引用的行）。因此，在您的模型中，一个数据将是一个月，因为这是您希望模型学习和预测（或分类）的内容

此外，如果您使用的是神经网络架构，那么在训练阶段，您显然需要标签。您不应该为每行或每小时提供一个标签，而应该为每个月提供一个标签

你可以取一个月的平均值或中位数或哪个统计数据来构造特征，但这是神经网络的工作

我不知道你的数据集有多大，但是如果你每节课没有几个月的时间，你会遇到一些问题

我希望这能让你走上正确的方向，把事情弄清楚

---

编辑：输入错误

你能解释一下“消费类型”是什么意思吗？样品是否都属于同一客户？你期望得到什么样的结果？我不知道这门课是从哪里来的？如果我们给模型一个月的消耗量，比如上面的例子（没有最后一列），这个模型必须识别它是照明、供暖还是通风消耗。这些样本来自同一栋建筑。这些数据是从大楼的米数处获取的。谢谢