Python 3.x 如何使用机器学习算法预测容错性？

列0、1、2、3是四种时间序列数据。 当机器正常时，它提供正常的可预测数据。 在故障模式下是完全不同的。 在故障模式下，情况明显不同，接近于零

---

我需要预测机器何时处于故障模式和故障模式

我会用线性回归来做这个。看起来你可以在多个维度上画一条直线，然后就可以完成了。

好的，下面就是我要做的。查看Seaborn图表，看看是否可以将数据分为3个不同的类别：正常、失败和失败。然后创建3个新列，标题分别为Normal、Failed和Failed。如果该行看起来机器运行正常，则在正常列中输入1。如果下一行看起来失败了，请在失败列中加1，以此类推。

离散是什么意思？对我来说，你发布的价值观似乎是连续的。另外，你比我更了解你的机器，但据我所知，当机器处于危险中时，数字的表现会有所不同。忽略datetime列，而是将每行标记为0或1、正常或错误。如果你想做失败模式，那么你会做一个热编码，如果你有兴趣，我可以告诉你更多。实际上，使用AutoML有一种更简单的方法。正如你建议的，我试着做标签编码。但是如何将值更改为0或1。你能看看上面的github代码并提出建议吗？