我想知道我应该选择哪种模型来预测每月销售额。对于只有1.5年的少量数据，我应该选择回归方法还是时间序列方法？
回答：
我首先会做的一步是明确确定你有多少个特征。
如果是单变量预测（单一变量随时间的观测），你很可能会采用统计方法，比如ARIMA/SARIMA（我假设你已经了解季节性概念；如果不了解，请阅读此处的时间序列属性：https://www.dummies.com/programming/big-data/data-science/key-properties-of-a-time-series-in-data-analysis/）。
如果你有多个特征（多个变量随时间的观测），你可以首先尝试使用VAR（向量自回归）。
首先尝试这些模型，然后再考虑更复杂的模型，如LSTM/CNNs。
支持@【隐藏人名】的观点，奥卡姆剃刀原则应该始终应用：从简单的模型开始，只有在尝试了几种简单的模型后，才应该考虑使用深度学习技术。
另外，请记住，在后者的情况下，你需要比简单的统计/数学模型甚至经典的机器学习模型更多的数据。
