时间序列中的Python滞后回归

我是一个使用Python和Scikit进行预测的新手，在这里学习并寻找一些指导

我有一个数据集，它存储在一个名为“predictor”的数组中。 我还有另一个数据集，它存储在一个名为“to_be_predicted”的数组中

我知道“预测器”中的值可以使用正确的回归以相当高的效率预测“待预测”中的值，但是我不确定“预测器”最能预测“待预测”，换句话说，“预测器”和“待预测”之间的延迟是多少。可能是1，2，3，100，1000个周期，我只是不知道

为了找到答案，我可以在一个确定的范围内对每个预测期进行一次回归，并在每次回归中使用一些误差度量来找出哪个是最佳预测

---

我的问题是：有没有一个函数库在两个时间序列之间的最佳延迟之后运行？

您是否仅限于一个预测值？为什么滞后（3）和滞后（10）不能都是预测因子？它们可以，但我有将近50个“主要预测因子”，每个都有大约500个项目。如果我对每个应用30个延迟，那么将有75万个项目需要处理，我担心这对我的macbook air来说太多了，而且我将被限制为最多30个延迟。这就是为什么我想知道是否有任何库具有识别最佳滞后的函数：）第一步是查看两个时间序列的平均值。一位相关人士建议看一下包装