构建两阶段加权分类预测模型
背景：
当前过程控制问题分为步骤：A、B、C、D、E几个过程，我们需要预测D过程中化合物合成的可靠性（0为可靠、1为不可靠、合成的过程中如果系统参数出现波动，可能造成合成失败）；过程间具有依赖关系；过程内部的数据既有时序特征也有固定特征；
问题：无论我们构建机器学习模型还是时间序列预测模型，如果单纯把固定特征添加到时间序列中都是无济于事的，因为对于D过程的所有时间序列数据该固定特征都是相同的，起不到任何区分性或者判别性；
解决方案:
构建两阶段加权分类预测模型（预测化合物的合成的可靠性）
第一阶段：
进入D过程以及距离当前D状态最近的前置状态（A、B、C）过程的特征数据，构建机器学习模型预测D过程整体的可能性。