我正在尝试解决一个回归问题，其中工厂整合订单中包含的产品。

我知道合并工厂整合一个订单所需的总时间。现在问题来了。

当两个不同数量的产品合并时，它们需要一定的时间来完成合并。但有时一个订单中会有超过两种不同数量的产品，合并工厂需要整合这些产品。

我知道工厂为每个整合的订单所需的总时间。合并中心需要合并的产品数量可以从1到n不等。

我该如何准备训练数据，让我的模型理解这一点呢？

 ProductCode ProdQty  x1           1                x2           4                

上面的例子花了143小时

 ProductCode ProdQty  x1           1                x2           4     x3           7           

上面的例子现在花了200小时。

在第一个例子中，合并中心有两种不同数量的产品，花了143小时，而在第二个例子中，三个产品参与其中，花了200小时。

我该如何准备训练数据，以便我的模型能理解这一点，并且我可以预测工厂将花费多少时间？

我还有很多其他特征，但这些是订单特定的，我知道如何处理这些。

回答：

像这样：

x1 x2 x3 x4 ... xn y1  4  0  0      0  1431  4  7  0      0  200

在这里，你的因变量y，即每个包裹组装所需的时间，是所有x（构成该包裹的数量）的函数。你的目标是将包装时间与各个数量进行回归。在训练数据的第一行，x3、x4等值全为零，因为这些在那个花了143小时准备的订单中不存在。在第二行，x4、x5等值全为零，因为这些在那个花了200小时准备的订单中不存在。

你现在可以对所有x值进行y的回归，当有人说“我有一个新订单，包含10个x5，2个x3和7个x7”，你只需将这三个数字代入估计的方程，就可以得出你想要的预测y值。

希望这能回答你的数据问题。如果你需要任何澄清或对这个结构进行修改，请评论。

补充：

如果你有影响包装时间的额外变量，你也可以将它们添加为列。例如，你想使用温度、订单接收时间、工人数量以及仓库经理是谁（只是假设）来预测包装时间。你可以这样做：

x1 x2 x3 x4 ... xn temp orderTime workers manager y1  4  0  0      0   20  5AM       5       John    1431  4  7  0      0   30  11AM      3       George  200

当然，这些新特征中的一些需要虚拟化、分类等处理；而你原来的x数量只是连续变量。