我想使用变化率来预测网站的点击量变化。例如，如果一个网站的点击量在一天内翻倍（从5,000增加到10,000），那么变化率就是2。如果点击量增加了一半（从5,000增加到7,500），那么变化率就是0.5。样本和变化率将每天计算。我也可以使用原始点击量而不是变化率，但这似乎更难处理。

我想使用scikit-learn来预测未来的变化率。给定一组过去的数据点，我该如何预测未来的变化？我应该使用逻辑回归吗？还是支持向量机？还是其他方法？

感谢您的帮助！我刚开始使用scikit-learn，如果您需要更多关于这个问题的信息，请随时评论。

回答：

编辑：我忘了您在寻找scikit-learn的解决方案，但我认为简单的加权移动平均可能是好的开始。我通常会先尝试一些简单的方法，只有在这些方法不能达到预期结果时，才会转向更复杂的方法。

虽然有更复杂的方法，但一个简单的方法是使用加权移动平均，您可以给最近的观察值更多的权重。例如：

import numpy as nphits = np.array([100, 500, 300, 800, 900])def predict(hits, weights):    return np.average(hits[-len(weights) :], weights=weights)

结果：

>>> predict(hits, [0.2, 0.3, 0.5])750.0>>> 900 * 0.5 + 800 * 0.3 + 300 * 0.2750.0