Python 将曲线拟合到一组数据点以进行时间序列预测

我目前有一组数据点（点击次数），它们是按时间序列结构的。数据类似于：

time   hits
20     200
32     439
57     512

如何将曲线拟合到这些数据或找到公式，以便预测未来的点？理想情况下，我可以回答这样的问题：“当时间为100时，会有多少视图？”

谢谢你的帮助

编辑：到目前为止我所尝试的：

我尝试了多种方法，包括：

使用sklearn创建逻辑回归（但是，数据没有特征）

从scipy使用optimize.curve\u fit创建曲线拟合（但是，我没有用于数据的函数）

从一个单变量样条线创建一个函数以传递到曲线拟合（出了问题，我无法确定）

我试图模拟内容何时会传播，所以我假设多项式或指数曲线是理想的

我以前尝试过@Bill的链接，但是我没有数据功能。你知道我怎么才能找到一个吗

编辑2：

以下是大约两天的数据样本：

---

是随着时间的推移所期望的。

正如其他人所说的，信息如此之少很难给出答案

我建议你定义一些新的变量，比如时间，时间*时间，时间*时间*时间，并用它作为输入变量来拟合线性回归模型

我将从这些开始，然后在案例中使用更复杂的东西，如神经网络（不在sklearn中）或SVR

---

希望这能有所帮助

有几个问题：1）到目前为止你试过什么？2.）你想拟合什么样的曲线-多项式？指数型？对数线性？3.）您是否查看过本网站上的任何文档或相关问题，如或？谢谢您的评论，@Bill。我编辑了这篇文章，以包含我迄今为止所做的尝试。如果没有相关的领域知识，就很难判断使用什么模型（逻辑、线性等）来拟合数据。根据您的编辑，真正的问题是：我如何知道什么样的曲线适合我的数据？答案是，对于所有的数据集，它都是不同的。你最好的选择是尝试一系列，看看哪个最适合你的数据。然而，您不仅仅是试图拟合数据，而是在使用数据“训练”一个可以用来预测未来价值的模型。模型训练和验证是一个巨大的领域，对于“哪条曲线适合我的数据并能很好地预测数据”，你不会得到一个简单的答案。然而，如果你发布一个点击图作为时间的函数，我们可以告诉你是否有一个明显的答案。