Machine learning 如何将时间序列数据转化为有监督学习问题？

我正在为机器学习模型准备数据。我想将时间序列数据作为正常的监督学习预测来处理。比如说，我有一个关于汽车速度的数据，我有几个汽车模型，比如

+-----+---------+-------------+
| day |  Model  |   Speed     |
+-----+---------+-------------+
|   1 | Bentley | 20.47 km/h  |
|   2 | Bentley | 32.22 km/h  |
|   3 | Bentley | 23.11 km/h  |
|   1 | BMW     | 37.60 km/h  |
|   2 | BMW     | 27.90 km/h  |
|   3 | BMW     | 40.47 km/h  |

因此，我想在培训中处理几个汽车模型，以便我的机器学习模型能够预测宾利和宝马的速度

我已将训练数据转换为如下所示：

+---------+------------+------------+-------------------+
|  Model  |   day_1    |     day_2  |    label == day_3 |
+---------+------------+------------+-------------------+
| Bentley | 20.47 km/h | 32.22 km/h | 23.11 km/h        |
| BMW     | 37.60 km/h | 27.90 km/h | 40.47 km/h        |
+---------+------------+------------+-------------------+

---

这是正确的方法吗

你能补充一点背景信息吗：部署情况如何，你是否从新车制造商那里获得了头两天的数据，并希望预测第3天的速度？每个汽车制造商有多少个车速测量值？您还有其他可用变量吗？@mling是的，我想预测第二天的速度，我有第1天和第2天，我应该预测第3天的速度。之后，我应该使用第1天、第2天、第3天预测第4天。我还有10个其他变量，所以你们有多变量时间序列，你们不愿意使用ARIMA，但你们所说的“正常监督学习预测”到底是什么意思？有基于神经网络的解决方案，如AR网络和LSTNet，但不使用ARIMA等传统方法的目的是什么？您能否再添加一点背景信息：部署情况如何，您是否从新车制造商处获得前两天的数据，并希望预测第3天的速度？每个汽车制造商有多少个车速测量值？您还有其他可用变量吗？@mling是的，我想预测第二天的速度，我有第1天和第2天，我应该预测第3天的速度。之后，我应该使用第1天、第2天、第3天预测第4天。我还有10个其他变量，所以你们有多变量时间序列，你们不愿意使用ARIMA，但你们所说的“正常监督学习预测”到底是什么意思？有基于神经网络的解决方案，如AR网络和LSTNet，但不使用ARIMA等传统方法的目的是什么？