该问题是一个多标签分类问题。
现在，我知道如何使用具有多个属性的单行进行训练和分类。例如，如果数据集看起来像附件中的第一个表。在这里，每一行都与一个标签相关联。因此，我可以在将数据集分成训练集和测试集后进行训练和测试。但是当分类标签/目标标签依赖于多行，例如附件中的第二个表时，就会出现问题。连续 N 行构成一个类别。您能指导我找到解决方案吗？
将你的行串联起来怎么样（即 Attr1 -> Attr12），这样你现在有 3*4 个特征（因为 4 行，每行 3 个特征）作为多类分类模型的输入？
例如，第一个样本将被描述为：
X = [1.1, 1.4, 2.5, 2.3, 2.5, 2.7, 1.1, 1.6, 1.9, 1.5, 1.6, 1.7]
y = "A"
否则，向分类器提供 2D 或 3D 输入是没有问题的。以对图像进行操作的卷积神经网络为例！
由于您似乎每个样本的行数相同，因此底层过程可能是将数据视为 2D 或解压缩为 12 个特征是有意义的，正如@Arnaud 所描述的那样。（这似乎取决于根据某些隐含规则对四行进行排序？）
更一般地说，这被称为“多实例学习”。可能从维基百科页面、假设和算法部分开始。
第二个表只是说第 1-4 行是 A 类的 4 个不同示例，第 5-8 行是 B 类的 4 个单独示例，其余是 C 类的 4 个示例。只需修改表，使目标标签列有 12第一行的值为 A，接下来的 4 行的值为 B，最后的 4 行的值为 C。
祝你好运！