寻找多索引熊猫数据框的机器学习解决方案

Question

我具有带有日期和日期时间多索引的DataFrame功能，以及DataFrame下方的标签。

Tranining Data

Date和Date_Time列是两个索引。 A，B，C，D是要素，Lebel列是给定时间的要素分类。例如，假设标签2是最大的足迹，而1是一天中给定时间的最小足迹，而标签0是足迹的中间计数。

我想训练此数据集以预测最大和最小足迹的每天时间。 我将传递“预测” DataFame，预期结果将是一个时间戳（最大值（标签2））和一个时间戳（最小值（标签1））。

这是示例数据：

import pandas as pd

feature = 'https://raw.githubusercontent.com/anirban2009/data/master/feature_data.csv'
predict = 'https://raw.githubusercontent.com/anirban2009/data/master/predict.csv'

df = pd.read_csv(feature, index_col=[0,1], parse_dates=True)
predict = pd.read_csv(predict, index_col=[0,1], parse_dates=True)
print (df.head(8))
print (predict.head(8))

请为我提供有关如何训练“功能” DataFame以及在这种情况下使用哪种机器学习模型/算法的建议。