我有一个带有二进制因变量的数据集$y \in \{0,1\}$和一组预测器$x1,x2,..,t$. 这里，$t$是以分钟为单位的时间（以 24 小时为单位，即$t \in (0,1440)$）。我想估计的边际概率分布$y$关于$t$. 我将这个问题作为一个二元分类任务来处理，并创建一个包含所有$x1,x2,..,t$那么，预测者计划改变$t$在 0 到 1440 之间，并尝试估计概率。这行得通吗？有没有有效的方法来做到这一点？另外，请为此任务建议一些机器学习/深度学习算法？我押注于 RF、Xgboost、深度神经网络。我有 84k 条记录。（注意我要估计$P(y=1|\{x1..t_i\}$, y=1 的概率随着时间的增加而增加）