所以我有多个设备的轨迹数据集。每个设备都有轨迹ID（多个轨迹），其中每个轨迹由起点（x，y）和终点（x，y）、开始时间和结束时间组成。基本上，据说每个设备在一段时间内不移动时都会停止。当他们再次移动时，这是另一个轨迹。

任务是预测每个设备的 END 端点（最后一个轨迹的 x 和 y），所以这是一个多标签回归问题。问题是每个设备都会运行不同的路径，所以我认为我必须为每个设备训练一个模型。我不认为它会起作用，因为我必须预测完全不同的设备集，但让我们先把它放在一边。我遇到的主要问题是，在训练数据中，一些设备只有一个轨迹，几乎一半的设备有 5 个轨迹，所以我认为我的解决方案已经过时了。

假设有可能，你会如何建议使用经典机器学习来解决这个问题？如果不是，我应该考虑什么 NN 架构？我还不熟悉 NN，但如果这是唯一的方法，我会尝试快速了解必要的架构。