对于我的问题，我有以下计算机： machine
在此机器中，有2个门可进入一种产品。 以下是一些规则和观察结果：
-规则1：如果一种产品是从一扇门进入的，则它是从同一扇门出来的。
规则2：对于一扇门，如果某个产品已经通过它进入机器而还没有出来，则其他任何产品都不能通过它进入。
-观察1：如果在机器上同时处理2个产品，则它们的处理速度会变慢。
-观察2：产品的处理时间取决于其类型。
对于该项目，我需要创建一个模型来估计此机器中不同产品的处理时间。因此，我决定将机器学习与以下输入和输出结合使用： graph for machine learning
问题在于：有时我的机器中只有一种产品。在我的训练数据集中，如果一个门（例如，门1）中没有产品，则输入和输出如下：P1 = 0; T1 = -1; B1 = -1; E1 = -1
scikit-learn的机器学习算法会学习这种特异性吗？ 还是我需要创建两个模型：一个模型中我的机器中只有一种产品，而另一个模型中我的机器中只有两个产品？或者是否可以在模型中包含一些规则（例如，如果P1 = 0，则（E1 = -1，不对与door1有关的模型部分进行训练，而对与模型1有关的部分进行训练关于门2））？
答案 0 :(得分：1)
如果您有足够的训练示例，（并且您对模型进行了很好的训练），是的，它将理解，当P1 = 0和T1 = -1时，它应该预测接近E1 = -1的值。
