是的，您可以划分数据集并对数据集的不同部分使用不同的预测模型。利用您的领域知识来构建一个好的模型。

毕竟，您实际上可以将以下内容视为单个模型

正如@Siong They Goh 所写，由于可以直接检查模型属于哪个部分，分类算法可能会在组合集中找到它。如果划分非常强，这种划分在模型中将很重要（例如，决策树中的根），然后分类器必须为每个部分学习正确的模型。这将发生在您拥有不相关部分的场景中。请注意，在这种情况下，是否拆分数据集并不重要。您将获得的好处将是防止噪声误导您的分类器（例如，随机看起来信息丰富的无关特征）。

一个更有趣的场景是，当划分为部分时会提供信息，但还有其他功能会提供更多信息。在这种情况下，给定一个联合数据集，分类器将更容易使用它们。例如，如果你的数据集很小，它的代表性会更小，噪声的影响会更强，这两种效应在拆分时会变得更强。

我建议您选择一个小型基准分类器（例如，大小有界决策树）并检查其在两种变体上的性能。这样，您将能够知道哪种解决方案更适合您。