基于历史数据在R中建立模型

我正在研究一个月的每日数据帧，每个数据帧的主要变量如下

Date_Heure           Fonction     Presence
2015-09-02 08:01:28  Acce         1
2015-09-02 08:15:56  check-out    0
2015-09-02 08:16:23  Alarme       0

这个想法是要在15天内了解主人在家中的习惯，他在每个时间段出现的频率，以及当他启动家中的警报时， 所以在建造了这座历史建筑之后，我们想知道（预测）第二天（第16天），他将在什么时候根据我们计算的信息激活他的警报

所以基本上历史应该转化为模型，但我不知道怎么做

我手上的是我的输入（我想）：在激活警报之前和之后的两个半小时内存在的百分比，我的输入通常应该是警报应该被激活的时间，所以我的输入是这样的

Presence 1st Time slot  Presence 2nd Time slot   Date_Heure                
0.87                    0                        2015-09-02 08:16:23 
0.91                    0                        2015-09-03 08:19:02  
0.85                    0                        2015-09-04 08:18:11  

我有激活时间的平均值，两个时隙中出现的百分比

每一个新的一天都会被添加到历史数据中（添加到模型中，因此历史数据每天都会变大一天，参数当然也会改变，即我的指标的最大值和最小值），这就像我们在做“统计学习”

---

因此，如果你有任何想法，任何线索可以帮助我开始，这将对我很有帮助，因为当我搜索时，它对我来说非常模糊，我只需要正确的键来工作

如果你需要数据建模方面的帮助，你应该继续询问。现在这似乎不是一个特定的编程问题，因此不适合堆栈溢出。好的，我知道了，我将在那里发布：）