我有一个工厂工作站的数据集。
在相同的特定时间有两种错误。
用户选择错误和时间间隔（因变量y）
机器在生产过程中产生错误（自变量x）
用户选择的错误类型共有8个唯一，因此我尝试使用机器产生的错误（总共188个类型）和一些其他数字功能（例如平均值）来预测这些错误。机器速度，机器体积等
每行代表特定时间的用户选择的错误；
例如，在第一行中，用户将时间间隔选择为：
2018-01-03 12:02:00-2018-01-03 12:05:37
和m_er_1（机器错误1）也在相同的时间间隔内发生了12次。
m_er_1_dur（机器错误1持续时间）是机器错误的总持续时间，以秒为单位
所以我匹配了这两个表，如下所示；
user_error m_er_1 m_er_2 m_er_3 ... m_er_188 avg_m_speed .. m_er_1_dur
A 12 0 0 0 150 217
B 0 0 2 0 10 0
A 3 0 0 6 34 37
A 0 0 0 0 5 0
D 0 0 0 0 3 0
E 0 0 0 0 1000 0
最后，我有1900行390行（376（188个机器错误计数+ 188个机器错误持续时间）+ 14个数字特征），由于机器错误，它是一个稀疏的数据集，很多0。
没有异常值，没有nan值，我进行了归一化并尝试了几种分类算法（SVM，逻辑回归，MLPC，XGBoost等）
我也尝试了PCA，但效果不佳，因为165个组件的解释性_variance_ratio约为0.95
但是准确度指标非常低，因为逻辑回归准确度得分为0.55，MCC得分约为0.1，召回率，f1和精确度也很低。
我错过了一些步骤吗？您对稀疏数据集的多类分类有何建议？
预先感谢