我在尝试预测一个序列的下一个值。请问我应该使用哪种最佳的机器学习算法或方法？

例如，我有以下矩阵：

 [114, 160, 60, 27][74, 97, 73, 14][119, 157, 112, 23]

我想预测这些值：

 [114, 160, 60, 27 , **80 , 90**][74, 97, 73, 14 , **10 , 15**][119, 157, 112, 23 , **50 , 48**]

有什么最好的方法可以做到这一点吗？

回答：

如果我理解正确你的问题，在你的例子中：

X = [114, 160, 60, 27] 和 Y = [80,90] [74, 97, 73, 14] [10,15] [119, 157, 112, 23] [50,48]
你想在这个数据上拟合一个机器学习算法？

你可以使用任何监督学习算法，比如回归或支持向量机（SVM），使用X作为输入，Y作为输出。

你也可以使用迭代学习：你学习一个一步预测的预测器f，如下所示：

X = [114, 160, 60, 27] 和 Y = [80] [74, 97, 73, 14] [10] [119, 157, 112, 23] [50]

你进行一步预测：

f(X) = [pred1] [pred2] [pred3]

之后，你将预测值纳入输入中，这样你现在有了：

Xbis = [114, 160, 60, 27, pred1] 和 Yter = [90] [74, 97, 73, 14,pred2] [15] [119, 157, 112, 23,pred3] [48]

然后你训练另一个预测器fbis，在Xbis和Ybis上进行训练。

所以最后，你有两个预测器f和fbis，它们都能进行一步预测。这使你能够进行两步预测。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，如果你想进行时间序列预测，你可以使用“窗口方法”，这是一种通用的方法，用于从时间序列中创建你的输入和输出，然后学习一个预测器。

还要注意的是，LSTM在时间序列预测中使用得相当多，并且似乎能提供相当不错的结果。

希望这对你有帮助！！

贝努瓦