Python 根据编号系列生成经过培训的模型，并确定下一个编号

我想创建一个模型，其中我将传递一个数字序列，它将识别序列模式并生成下一个值

例：

输入：2,4,6,8,10,12,14,16…..200

上面是我的输入，我的模型将识别自己是一个
2x
系列，并将
202204，…
作为输出

这可以通过
机器学习算法来实现吗
 这是我为您的案例创建的基本模型：

import numpy as np
def models(array):
    if (array[2] - array[1]) == (array[-1] - array[-2]):
        desc = "Model is linear"
        val = array[-1] + (array[2] - array[1])
    elif (array[2] / array[1]) == (array[-1] / array[-2]):
        desc = "Model is exponential"
        val = array[-1] * (array[2]/array[1])
    else: 
        desc = "Model is not linear nor exponential"
        val = np.nan
    return desc, val

我在这里尝试：

c = [1,2,3,4,5]
print(models(c))

输出（应为6）：

另一次尝试使用不同的号码：

c = [2,4,8,16,32]
print(models(c))

输出（应为64）：

不管这种特殊情况如何，您都应该尝试寻找机器学习课程，以了解使用机器学习可以实现什么，并学习如何编写实际的机器学习模型。另一方面，范围太广了。
这太广了，而且不特定于机器学习的任何范围，python。请尽量把你的问题限制在一些具体的问题上。也就是说，简单的答案是“是”，你可以使用许多不同的模型。可以这样做，搜索
时间序列
，然后fun@PV8我试过使用timeseries，但我得到的结果是分数，而且精度很差。我已经为此使用了Sequential（）函数。你有什么具体的算法吗？或任何特定参考。你的帮助很重要。@IvanLibedinsky谢谢。你能提到任何特定的算法或链接吗？谢谢你的努力。是的，这是一个太宽泛的概念，因为一个系列可以是上升的、下降的或不均匀的。像这样的算法不会有多大帮助。我在某个地方读过关于RNN的文章，你知道吗？它对一个系列有效吗？是的，你可以让它对一个系列有效，但我真的建议你开始研究这些概念，然后把你的问题限制在一个特定的问题上。
c = [2,4,8,16,32]
print(models(c))

('Model is exponential', 64.0)