我正在尝试预测系列的下一个值。我需要使用什么最好的机器学习/算法？
例如，我有这个矩阵：
[114, 160, 60, 27]
[74, 97, 73, 14]
[119, 157, 112, 23]
我想预测这个值：
[114, 160, 60, 27 , **80 , 90**]
[74, 97, 73, 14 , **10 , 15**]
[119, 157, 112, 23 , **50 , 48**]
最好的方法是什么？
【问题讨论】：
如果我能很好地理解你的问题，就你而言：
X = [114, 160, 60, 27] and Y = [80,90]
[74, 97, 73, 14] [10,15]
[119, 157, 112, 23] [50,48]
您想在这些数据上拟合机器学习算法吗？
您可以使用任何监督学习算法，例如回归或 SVM，使用 X 作为输入，Y 作为输出。
您也可以使用迭代学习：您可以提前学习预测器f：
X = [114, 160, 60, 27] and Y = [80]
[74, 97, 73, 14] [10]
[119, 157, 112, 23] [50]
你提前一步做预测：
f(X) = [pred1]
[pred2]
[pred3]
之后，您将预测合并到输入中，所以现在您有：
Xbis = [114, 160, 60, 27, pred1] and Yter = [90]
[74, 97, 73, 14,pred2] [15]
[119, 157, 112, 23,pred3] [48]
然后你在 Xbis 和 Ybis 上训练另一个预测器 fbis。
所以最后，您有两个预测器 f 和 fbis，它们都预测领先一步。它使您能够提前两步进行预测。
当然，你需要更多的数据来训练一个好的预测器。
更一般地说，如果你想做时间序列预测，你可以使用“窗口方法”，这是一种从时间序列创建输入和输出的通用方法，然后学习预测器。
另请注意，LSTM 在时间序列预测中非常有用，并且似乎给出了很好的结果。
希望对你有帮助！！
伯努瓦
【讨论】：