dmshar

Если под моделью вы понимаете метод, который лучше применить для решения вашей задачи, то ответ зависит от того, что за данные вы имеете. Зависят-ли они явно или неявно от времени - если да, тогда вам надо строить модели процесса на основе временных рядов и использовать соответствующие методы предсказания (какой именно можно понять, только проанализировав данные).
Если данные от времени не зависят - тогда используются методы классификации, а какой именно - любой ответ без предварительного анализа данных будет угадыванием, с соответствующим уровнем полезности. Именно потому, что метод зависит от данных и придумано их великое множество.

Да уж, изучать ML по "статейкам" это жесть.

"если дать классификатору какую нибудь картинку, типо человек/ дерево/ мебель" - не дать, а сначала обучить на этих картинках, то потом он и будет классифицировать ее на "типо человек/ дерево/ мебель". А если дать эту картинку классификатору, обученному на "котиках-собачках", тогда не удивляйтесь, если он ваш табурет примет за собаку, а дерево за кота. Или наоборот.

как тогда обучать классификатор, где по сути должно быть два класса: суецид и все остальное - абсолютно так-же, как и котиков-собачек где их тоже два класса, про которые пишут ваши "статейки". Дать обучиться на пару десятках тысяч размеченных картинках, на которых эти ваши "вены, виселицы, синии киты" и столько-же картинок где их нет. Вот и будет потом ваш обученных классификатор делить картинки на "суецид и все остальное".

А точно поможет?
Ну, ловите:
https://towardsdatascience.com/implement-k-nearest...
https://medium.com/@aditya_ch/introduction-to-clas...
https://gigadom.in/2017/10/13/practical-machine-le...
https://towardsdatascience.com/building-a-k-neares...
https://towardsdatascience.com/decision-trees-and-...
и т.д.
А вообще-то берете любую книгу по Machine Learning, начиная с Ван дер Пласа или Рашки - и вперед, "примеров кода" хватит на несколько лет с головой.

Что имеется ввиду под "непрерывным (?) двумерным рядом (??)" - остается загадкой.

P.S. Кстати, c поиском аномалий во временных рядах уже разобрались? ;-)