时间序列机器学习预测每n个时间步

Question

首先，我是机器学习的新手，我可能会误解一些概念或其他事情，如果您这么想，请随时向我表示感谢。

我正在使用sklearn作为ML库，
假设我的数据有nrows和nfeatures：

ID time-interval  feature1  feature2  feature3
1  10             0.10      0.11      0.23
1  20             0.15      0.22      0.17
1  30             0.23      0.58      0.01
2  40             0.27      0.12      0.07
2  50             0.78      0.65      0.15
2  60             0.12      0.17      0.78
3  70             0.22      0.19      0.01
3  80             0.76      0.68      0.25
3  90             0.14      0.14      0.38

这里，ID列不是一个功能，它只是将训练集与目标（解决方案）进行映射。
在二元分类上下文中，我需要预测目标，但是，每3个步骤我有1个目标 最后，预测将如下所示：

ID Targets
1  0
2  1
3  0

这只是意味着我有3个间隔来预测接下来三个时间间隔内发生的事情。

您如何处理这个时间序列问题？
例如如何使用数据每3个步骤进行一次预测。 更一般地说，如何使用多行进行一次预测？

我的第一个想法是通过对其进行整形来使算法包含包含3行原始数据的行（最后，它将要素数乘以3）。 但肯定不是最好的方法，因为结果不是很有预测性。

我的第二个想法是复制目标：

ID Targets
1  0
1  0
1  0
2  1
2  1
2  1
3  0
3  0
3  0

并使用原始数据逐行提供算法。 这还没有测试过。