Алгоритм машинного обучения класификации для определения плато на "графике температуры"

1) Нужно создать алгоритм машинного обучения классификации для определения плато на данных время-температура.

Данные содержат 4 параметра - time, temperature, zones, (sensor)type

Time – время

Temperature – температура

Zones - указатель на плато (0 - плато, 1 - нагрев, 2 - остывание).

(sensor)type – тип датчика (всего может быть около 10 типов датчиков)

Смотрите примеры графиков по данным, плато отмечено овалом. 

2) Целевая точность по предсказанию параметра zones - 90-95%.

3) Следует использовать Байесовскую оптимизацию гиперпараметров (таково ТЗ).

4) Нужно подготовить краткое описание используемых в коде методов, описать почему эти методы были выбраны (например, почему был выбран RandomForestClassifier). Если возможно применение альтернативных методов, указать также их).

[Ориентировочно для датчика каждого типа будет иметься 5 экспериментов]

[В некоторых типах датчиков "плато" может находиться под углом >30°, поэтому нужно МО с тренировкой по вручную размеченным данным, а не математика для определения "ровного" участка]

Я вижу 2 варианта реализации МО:

- одна модель на все типы датчиков, для разделения типов используется параметр (sensor)type (это предпочтительный вариант, если нет ущерба точности предсказания плато).

- отдельная модель МО для каждого типа датчика, каждая модель МО отдельно тренируется на своем типе датчика

Задача - не получить сейчас файлик с обученной моделью МО, но получить метод обучения модели/моделей МО. Чтобы можно было заявить, что были использованы такие-то методы и был получен такой-то результат. Можно считать это научной работой.

Входные данные время-температура в excel:

1) Тип датчика – zn

тренировочные данные - 4 эксперимента на 4х листах в одном файле:

https://docs.google.com/spreadsheets/d/1v3Tj_lhWme4-qF7wkuSNWIP-NEOtvxN2/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true, 

тестовые данные - еще 1 эксперимент в отдельном файле:

https://docs.google.com/spreadsheets/d/1o6GJZOsriIM2gZiB-de2OQsGMPMUuWOr/edit?usp=drive_link&ouid=117387964102202863857&rtpof=true&sd=true

2) Тип датчика – sn

[скоро будет еще 4-5 экспериментов, аналогично zn]

3) Тип датчика – in

[скоро будет еще 4-5 экспериментов, аналогично zn]

Выходные данные:

- файлик с обученной моделью

- accuracy_score и прочие стандартные показатели в консоль

- accuracy_score и прочие стандартные показатели в ексель файлик на 1м листе, на 2м листе тестовые данные + предсказанные данные, 

Пример:

https://docs.google.com/spreadsheets/d/1iG_uskzq7LVYArw0ObljklQXWZfuQYO7/edit?usp=sharing&ouid=117387964102202863857&rtpof=true&sd=true