如何使用scikit learn for python分析和预测（机器学习）时间序列数据集

我有这样的数据集

我需要分析和预测状态栏。这只是训练数据集中的两个主菜。在这个数据集中有心率模式（每1秒收集一次，总共10个数字）它是一个时间序列数组（如果我错了请纠正我），我只需要知道使用这些数据进行分析和预测的最佳方法。我正在使用scikit学习进行数据挖掘和机器学习

---

我只想知道，分析这些时间序列数据的最佳方法是什么？我应该使用基于向量的方法还是其他方法。若你们能给我一些示例代码，让我很好地理解它。

将心率时间序列中的每个点作为一个单独的列输入，同时为所有其他数据点输入一个单独的列（功能）。对整个数据集的每一列进行特征规范化（减去平均值，除以标准偏差），并输入分类器

基于向量的是完全合法的。考虑到您的问题，您可能希望正常化。你可能还想调查一下：我认为这个问题太广泛了。你能在这里放一点数据集和一段暂定代码吗？这样做的意义是什么？你能解释一下它将如何优化采矿吗？它将允许SKEXCEL算法以向量的形式处理它，并且也考虑过去不同时间点之间的相关性。您可能还想考虑添加一些不同类型输入的移动平均值的特性，尽管我不确定是否符合您的特定数据集。