Отображение временных рядов + информация о состоянии c в модель ML (XGBoost)

Question

Допустим, у меня есть несколько проб, где у одного проба есть два входных кадра данных:

Вход:

1. Один постоянный поток данных (например, от датчика) Второй шаг: Несколько потоков от нескольких датчиков

> df_prob1_stream1
         timestamp          | ident  | measure1     | measure2 | total_amount | 
----------------------------+--------+--------------+----------+--------------+
 2019-09-16 20:00:10.053174 | A      |        0.380 |     0.08 |      2952618 |
 2019-09-16 20:00:00.080592 | A      |        0.300 |     0.11 |      2982228 |
... (1 million more rows - until a pre-defined ts) ...

Один статус c DataFrame информации, сопоставленный уникальному идентификатору ident, который должен быть присвоен столбцу ident в каждом df_probX_streamX, чтобы система могла распознать, что эти данные относящиеся.

> df_global
 ident  | some1        | some2    | some3        | 
--------+--------------+----------+--------------+
 A      |        LARGE |     8137 |            1 |
 B      |        SMALL |     1234 |            2 |

Вывод:

1. Двоичный классификатор [0,1]

Так, как я могу подойти к поезду XGBoost для быть в состоянии наилучшим образом использовать один timeseries DataFrame в сочетании с одним static DataFrame (связываясь с дополнительной контекстной информацией) в одном тесте? Любая помощь будет оценена.