我有一些关于 H1N1 传播的数据。三大类人群是未感染者、感染者和携带者。这是一个时间数据，因为测试是每月进行的（，）$\rm Month_0$$\rm Month_1$

流动的动态是这样的： 未感染 我有一些 H1N1 传播的数据。三大类人群是未感染者、感染者和携带者。这是时间数据，因为测试是每月进行的（）$\rm Month_0, Month_1$

以下是可能性：

1. 未感染的载体（双向）$\leftrightarrow$
2. 受感染的载体（双向）$\leftrightarrow$
3. 未感染的载体（单向）$\rightarrow$

$\rm Uninfected + Carrier + Infected = 9500$（即，同一个人接受了和的测试）。每个患者记录是一个行乘列的矩阵，即参数的值。我有所有这些州的的数据，然后是的数据。$\rm Month_0$$\rm Month_1$$244$$10$$244$$\rm Month_0$$\rm Month_1$

我必须开发一个预测模型，可以将新患者分类为这些类别。哪种算法/模型可以解决这个问题？

PS：数据大小等于，每个（2个月）。每条记录$9500$$= 244\times 10$