Python 使用机器学习，根据之前的6个数字系列（训练数据）预测下一个6个数字系列

基于数列预测的问题。 我已经给出了6个数字的序列，并想预测接下来的6个数字

条件： 周一输入-前6个数字在范围内（1-100）

星期二输入-前5个数值在范围（1-100）内，前6个数值在范围（1-15）内

输入：

星期一-34、45、56、37、78、65

星期二-78、45、36、57、89、12

星期三-45,67,84,56,57,89

星期四-65,45,67,85,49,10

星期五-67,56,67,74,53,49

Sat-56,67,48,59,60,8

Sun-无任何数据（假日）

模式再次重复

输出： 下一系列

我认为回归会有用吗？ 但如何继续，因为它没有任何标签

制作一些代码所需的帮助供参考， 我认为您可以尝试任何RNN框架，因为您的数据是时间序列。您可以尝试RNN、GRU、LSTM等。每天，您可以将每3个值作为输入，下一个值将是您的标签，即输出

E.g. [[-34],[45],[56]]   [37]
     [[45],[56],[37]]    [78]
     [[56],[37],[78]]    [65]
     [[-78],[45],[36]]   [57]
     [[45], [36],[57]]   [89]
     ....

当然，您可以尝试每两个或四个作为输入，下一个将是输出，看看什么是最好的。并将每个输出转换为onehot。更重要的是，你也可以把每一天作为一个输入。例如，您将所有星期一的输入设为1作为第一个特征，星期二设为2，星期三设为3，依此类推。每天的信息可能也会帮助模型找到一些模式。下面的例子是

[[1],[-34],[45],[56]]   [37]
[[1],[45],[56],[37]]    [78]
[[1],[56],[37],[78]]    [65]
[[2],[-78],[45],[36]]   [57]
[[2],[45], [36],[57]]   [89]
 ....

---

顺便说一句，人们给你的投票是因为堆栈溢出，欢迎你来解决这个精确的编程问题。例如，当您实现该算法时，您在编程过程中收到一些错误消息，或者输出不是您所期望的。不管怎样，我希望我的回答能帮助你

到目前为止，你尝试了什么？我知道如果5个数字的序列和一个输出是给定的。然后如果输入是5个数字，并预测答案。但是在这个问题中没有给出标签，所以如何解决它只是告诉我如何解决这些问题，或者哪些ml算法是有用的。我是机器学习新手，所以请理解如果如果不是独立数据，你可以这样做。从意义上说是独立的。周一的数据不应该依赖于周二。你就是这么说的？谢谢你的帮助。我会让你知道的