python中的预测值

我有一个设备，它在云中定期发送数据，数据由对组成（时间戳、电池电量），我需要使用python估计剩余的电池时间。例如，如果电池电量为80%，python脚本将使用云中的数据预测剩余电池时间。 另外，正如您从图片（）中看到的，我知道电池耗电的进度（图表的x轴表示设备开机时经过的秒数）

我只是一个初学者，我尝试了scikit学习的多项式回归。根据教程，我编写了以下函数：

#x_energy and y_time are list
def predict(x_energy, y_time):
   from sklearn.preprocessing import PolynomialFeatures
   import numpy as np

   X = np.array(x_energy) [:, np.newaxis]
   Y = np.array(y_time)

   pr = linear_model.LinearRegression()
   quadratic = PolynomialFeatures(degree=2)
   X_quad = quadratic.fit_transform(X)

   X_fit = np.arange(0, max(X), 1)[:, np.newaxis]
   pr.fit(X_quad, Y)
   y_quad_fit = pr.predict(quadratic.fit_transform(X_fit))

   return y_quad_fit[0]

但我没有得到令人满意的结果。此图像是一个示例：。我必须尽可能缩短预测（蓝线）和正确剩余时间（红线）之间的距离

---

有人能帮我吗

你说“python脚本使用云中的数据”是什么意思？当我想知道剩余的时间时，我运行python脚本，从云中获取数据并估计值。从逻辑上讲，当我询问时间t的剩余时间（例如，电池电量为80%）时，云中只有从开始到时间t的关于电池的信息，可能我遗漏了什么，但是什么云？如果你想要的是“剩余时间=f（当前充电）”的方程式，那么X是充电百分比，Y是剩余时间。因此，当充电百分比为零时，剩余时间也应为零，而您发布的图表并非如此。@MattR电池用于为Arduino供电，Arduino从传感器和电池收集数据，并将其发布到云中（特别是ThingSpeak）。但是云与我的问题无关。我需要的是詹姆斯·菲利普斯（James Phillips）所说的“剩余时间=f（当前电荷）”之类的方程式，或者是一种使用可用数据进行预测的算法