Python 需要在预测值任务的字段ML或DL中建议方法

我试图在30天内预测价值。我有一个带有一些参数的timeseries数据。我将在底部附上日期示例

其主要思想是Y值是我们的目标变量，从今天起30天内进行预测。f1-f5变量是影响Y值的值。所以我需要使用Date和f1-f5列来预测Y。所有的数据每天都有

请给我推荐一些ML和DL方法来预测“Y”值

我的想法。 据我所知，这是时间序列数据。任务是回归。但我有点失望，因为据我所知，时间序列方法仅基于日期值，使用季节性等来预测值。但我担心，如果我使用XGBoost或线性回归方法，我将失去时间序列对这些数据的影响

Date,f1,f2,f3,f4,f5,Y
2015-01-01,183,34,15,1166,50,3251
2015-01-02,364,173,5,739,32,8132
2015-01-03,83,72,38,551,49,6271
2015-01-04,183,81,7,937,32,3334
2015-01-05,324,61,73,554,71,3742
2015-01-06,183,97,15,337,17,5543
2015-01-07,38,152,83,883,32,9143
2015-01-08,78,72,5,551,11,6435
2015-01-09,183,30,21,443,92,4353
...,...,...,...,...,...,...
2018-06-08,924,9,53,897,88,7446

---

传统的时间序列建模方法是AR（自回归）和MA（移动平均）。还应考虑趋势和季节性。那么为什么不使用阿里玛或先知呢？这是关于这个问题的一些理论-

---

有一些基于RNN/LSTM的ML/DL实现，但它们非常复杂，通常很难解释，而且往往会遇到消失梯度问题。如果您必须使用ML/DL，您可能想看看LSTNet。

据我所知，如果我使用ARIMA，我将失去与其他功能的依赖关系，对吗？啊，我明白您的意思。所以你有一个多元时间序列。LSTNet可以解决这个问题，但这并不容易。你能给我推荐一些阅读材料吗？因为，我从来没有处理过时间序列数据，或者你可以给我你的社交网络链接，问一些关于时间序列分析的问题吗？@NikitaBelov，这本书使用R，但所有的模型可能在Python中的某个地方都有。这本书将着重于使用特定的预测工具，而不是ML模型。我认为这本书更适合这个问题，因为它不是专门关于编程的。