Machine learning 什么机器学习算法适合于同时挖掘各种类型的数据？

我使用的是python scikit学习包，因此任何使用scikit学习函数的演示都将非常感谢：）
现在我有几种类型的生物医学数据：临床数据（包括治疗信息和生存状态）、DNA甲基化数据、miRNA和RNA表达数据。每种数据类型包含大约300个患者样本和50个正常（对照）样本。我想使用几种机器学习算法将这些数据输入到一起，并训练一个模型，以便它能够根据给定的数据预测患者的生存率。这意味着，如果我们提供患者的临床信息、DNA甲基化、miRNA和RNA表达，我们可以判断患者是否会死亡或存活一段时间（最好是在应用某些靶向治疗后）。
现在我有一些重要的问题：
1.由于样本的大小非常不同，我如何对这些数据进行分组并为算法提供数据？例如，如果要进行群集，如何对齐它们？
2.甲基化有很多问题，miRNA和RNA，每种都有一千多个。是否有一种方法可以过滤掉重要特征（prob）并仅基于这些数据训练模型？或者更好的是，在使用所有数据训练模型后，模型能否告诉我在大量特征中哪些特征是重要的？scikit学习预处理方法是否足以完成此步骤？
如果这个问题令人困惑，我想举个例子。比如说，如果我能筛选出一些基因，如果一个基因的甲基化水平、miRNA或RNA水平检测到异常，那么我们可以说这个患者很可能治愈或死亡。
3.有没有办法把几种算法结合起来？例如，使用聚类对所有特征进行分类，然后将结果输入到随机森林/PCA算法中，得到模型？

---

我还没有系统地学习机器学习，所以在尝试使用机器学习时，我感到非常困惑。我想我应该使用无监督的算法。这是正确的吗？

这一切都非常模糊和不清楚。我的印象是你还没有理解你自己的问题。谢谢你的反馈。我不是以英语为母语的人，也是机器学习新手，很抱歉让你感到困惑。我试着稍微修改一下我的问题，希望你们现在能更好地理解它。我认为你们主要需要更多的实验和研究，才能准确地指出你们的问题。不要把多个问题放在一个问题上，这会增加混乱。至于第1部分和第3部分，合奏可能是答案。这一切都非常模糊和不清楚。我的印象是你还没有理解你自己的问题。谢谢你的反馈。我不是以英语为母语的人，也是机器学习新手，很抱歉让你感到困惑。我试着稍微修改一下我的问题，希望你们现在能更好地理解它。我认为你们主要需要更多的实验和研究，才能准确地指出你们的问题。不要把多个问题放在一个问题上，这会增加混乱。至于第1部分和第3部分，合奏可能是答案。