如果是分类问题，那么您应该寻找分类算法，而不是回归技术。最简单的分类算法是逻辑回归。

但是从外观上看，您似乎没有标记的数据集，如果是这种情况，您应该寻找聚类技术。聚类是 ML 中无监督学习技术的一部分，它创建相似数据点的集群或组。

您可以使用聚类算法将较近的日期聚类在一起。但是由于您提到要聚集的日期数不会超过 20，似乎您可以创建一个简单的逻辑将它们组合在一起。

选择一个可以是任何日期的基准日期，并找到从基准日期到数据集中每个日期的天数/周数/月数。你现在会得到一堆数字。您现在可以根据您喜欢的阈值将它们存储在一起。

尽管聚类算法也会这样做。将根据最佳截止值自动处理阈值。尝试最简单（阅读：易于理解）的聚类算法：K-Means。

我认为这不是机器学习可以解决的问题。我想不出任何可以在这里工作的集群。我本能的方法是去除数据的趋势，然后使用傅里叶变换来评估循环频率。然后将这些点分类为在那里识别的模式的一部分应该相当简单，并且其他所有内容都可以放入“其他”桶中。