我正在尝试解决工厂合并订单中包含的产品的回归问题。
我有合并工厂合并一个订单所花费的总时间。现在问题来了。
当两个不同数量的产品合并在一起时，它们需要一定的时间才能合并。但有时两个不同数量的产品会在一个订单中出现，并且合并工厂正在合并它。
我有工厂为它合并的每个订单所花费的总时间。在合并中心要合并的产品数量可以是 1 到 n 之间的任意值。
如何为我的模型准备训练数据以理解这一点？
产品代码 ProdQty x1 1 x2 4
上面的例子用了 143 小时
产品代码 ProdQty x1 1 x2 4 x3 7
上面的例子现在花了 200 个小时。
现在在第一个示例中，合并中心需要 143 个小时，其中有两个不同数量的产品，在第二个示例中，三个产品参与，需要 200 个小时。
我如何准备训练数据，以便我的模型能够理解它并且我可以预测工厂需要多长时间？
我还有很多其他功能，但这是特定于订单的，但我知道如何处理。
像这样：
x1 x2 x3 x4 ... xn y
1 4 0 0 0 143
1 4 7 0 0 200
在这里，您的因变量y是每个包放在一起的时间，它是x进入该包的所有 s 数量的函数。您的目标是对单个数量的包装时间进行回归。在您的训练数据的第一行中，x3等等x4值都为零，因为它们没有按照需要 143 小时准备的顺序出现。在第二行中，x4等值x5都为零，因为它们没有按照需要 200 小时准备的顺序出现。
您现在可以y对所有x值进行回归，当有人说“我有 10 x5、 2x3和 7的新顺序时x7，您只需将这三个数字代入估计方程并得出您想要的预测y.
希望能回答您的数据问题。如果您需要对此结构进行任何澄清或修改，请发表评论。
添加：
如果您有影响打包时间的额外变量，您也可以将它们添加为列。假设您想使用温度、收到订单的时间、工人数量以及仓库经理是谁（只是弥补）来预测包装时间。你可以这样做：
x1 x2 x3 x4 ... xn temp orderTime workers manager y
1 4 0 0 0 20 5AM 5 John 143
1 4 7 0 0 30 11AM 3 George 200
当然，其中一些新功能需要虚拟化、分类等；而您的原始x数量只是连续变量。