Python 用Weka回归预测时间序列

我需要使用Weka建立一个模型来预测系统的未来趋势
我得到的数据源是成对的向量。范例

    1001,1002,1160,101,111,29-12-2016  
    1011,1003,1180,102,122,21-11-2016 
    1101,1004,1110,103,123,27-06-2016 
    1111,1001,1110,104,111,20-12-2016  
    1011,1009,1110,105,114,15-09-2016  
    1101,1102,1150,102,113,01-03-2016 
    1111,1302,1120,107,118,08-05-2016 
    1111,1072,1130,101,122,12-10-2016  

我每月从该单元收到多达一百万个数据集。
我需要构建一个集群，以便根据每月的日期在数据集上查找partern。
其次，我需要尝试根据测试数据预测向量的下一个日平均值。
示例给出了2个示例数据集。如果我用模型验证我的样本。我需要得到结果作为置信水平或向量属于某个特定簇或是下一个结果集的概率

    1001,1002,1160,101,110,29-12-2016 --> will give a confidece of 0.91  
    1111,1000,1111,102,122,21-11-2016 --> will give a confidece of 0.652

我需要使用python和Wake库来运行请求。如果可能的话。

---

有没有像R这样的系统可以完成这项工作？

我正在寻找一个关于如何构建代码的示例或教程。这与我想要的更接近