假设我有过去5年的数据，并且我已经基于这些数据训练了一个分类器（例如决策树、支持向量机等），即给定了适当的输入特征数据和正确的输出标签。

现在，当前年份需要进行预测（预测输出）时，我可以提供当前年份的输入特征数据，分类器将预测正确的输出标签。

到目前为止，一切顺利。

然而，假设我没有当前的输入特征数据，我该如何仅基于过去的数据进行预测呢？

例如选举预测，即预测每个选区哪个政党会获胜。在这种情况下，我们有大量的过去数据，但没有当前的输入特征数据，那么该如何处理呢？

回答：

Bogatron的评论是正确的答案。如果你不使用输入特征并要求返回一个标签，那么分类器就不是正确的途径。基于过去数据对未来进行建模通常是通过回归来完成的。最简单的做法可能是最小二乘法，这将允许你选择一个简单的模型（想想曲线拟合），从中你可以选择一个数据点并计算预测值。