数据集按行包含不同的项目，每列记录的样本中有一半属于正类，另一半属于负类。现在，我希望创建并训练一个模型，以将未见过的项目样本分类为正类或负类。

问题：如何处理（使用）这样的数据集？

此外，考虑到行数超过5万，列数为12个正类和12个负类，有没有模型推荐？

现在，基于提供的值，从这些数据中创建一个模型，用于将x（或y或z）分类为正类或负类。例如，如果x的值为12，则模型会将x评估为正类。

回答：

据我理解你的问题，你有一个作为输入的变量，比如说x。这个变量可以包含一些值（正例），但不能包含其他值（负例）。现在，给定x的新值，你想知道这个值是否对x来说是合理的。

你提到了训练。我猜你考虑的是神经网络。在这种情况下，只需从你的表格的第一行（x行）创建一个数据集，如下所示：

D = [ [10, 1], [11, 1], [13, 1], [14, 1], [16, 0], [15, 0], [14, 0], [16, 0],]

第一个元素是你的值。第二个元素告诉你的网络这个值是否合理（1表示合理，0表示不合理）。记得打乱你的数据集，以避免你输入网络的样本高度相关（理论上，它们应该是独立同分布的）。

你的网络将只有1个输入神经元和1个输出神经元。最后一层将使用sigmoid激活函数（因为它被限制在0和1之间）。使用二元交叉熵损失函数。

根据评论，这里是更新后的回答。

数据集必须如下所示：

D = [ [10, 0.67, 25, ..., 1], [16, 0.15, 20.5, ..., 0], [...]]

网络与上述描述的相同，但现在输入的维度等于行数。