我尝试预测一维信号（海拔剖面）中特定点（波峰）的位置。到目前为止，我计算了信号每个点的梯度，并将其与其他特征或启发式方法相结合，以找到预期输出的近似位置（波峰的位置）。

但是这种方法有一些限制，我发现 ML 技术，尤其是随机森林分类器在这种情况下可以表现良好。

我想训练我的 RF 以根据配置文件输入找到最可能的点（point_index）作为“输出”。

然而，我只找到了使用一维输入（如时间序列）训练 RF 模型的示例。就我而言，我有 2D 输入数据（一个信号由点组成，N每个点有 2 个特征），如下面的数据框：

   profile_index  point_index         z             z'        crest
0              0            1 -0.885429             0          false
1              0            2 -0.820151          0.02          false
2              0            3 -0.729671          -0.1           true
3              0            4 -0.649332           0.1          false
4              1            1 -0.692186             0          false
5              1            2 -0.885429           0.1           true
6              1            3 -0.820151         -0.05          false
3              1            4 -0.649332           0.2          false

我可以映射我的数据以拆分每个配置文件的数据框，并将输出 point_index 作为一个特征，但是我如何管理我的两个特征是数组的事实？

编辑：这是我的数据的另一种表示形式

   profile_index               points_z         points_z_prime    crest_index
               0     [-0.05, ..., 2.36]        [0, ..., -0.01]            150          
               1     [-0.02, ..., 4.41]        [0, ..., -0.02]            162          

（这可能与方法无关，但我使用 Python 和 scikit-learn）