我正试图找到一种方法来预测数字序列中的下一个数字。通常我会使用线性回归，但正如你所看到的，有日期和一列数据。没有因变量，只有一个自变量(贷款(。有没有一种简单的方法可以根据已知的数字序列来预测下一个数字，或者可能是两个数字的范围？此外，有没有办法获得结果的概率，比如90%或95%的信心？
这是我的数据。
Account Loans
2019 Aug 393.3
2020 Feb 383.2
2020 Mar 455.4
2020 Apr 542.0
2020 May 510.0
2020 Jun 483.5
2020 Jul 465.5
2020 Aug 448.2
Aug 12 451.1
Aug 19 447.5
Aug 26 442.3
Sep 02 444.7
最终，我希望看到这样的结果：443比445，有95%的信心。这可能吗？
解决方案
选项1-滚动平均
取最后n个值(a(的平均值。从最后一个数字(l(中减去a作为(s(。最终结果应该是l-s或l+s。
示例
def predict(arr, n):
l = arr[-1]
a = sum(arr[:n]) / n
s = abs(a - l)
lower_bounds = l - s
upper_bounds = l + s
return (upper_bounds, lower_bounds)
选项2-指数平滑
考虑使用统计模型的指数平滑
示例
from statsmodels.tsa.api import SimpleExpSmoothing
def predict(arr, sl)
return SimpleExpSmoothing(arr).fit(smoothing_level=sl).fitted_values
参考文献
statsmodels(简单指数平滑(：https://www.statsmodels.org/stable/examples/notebooks/generated/exponential_smoothing.html
Python简单指数平滑
NumPy版本的"；"指数加权移动平均"；，相当于pandas.ewm((.mean((
python 中指数移动平均的计算
首先，您需要进行一些预处理，将自变量转换为某种数字尺度。可能是从2019年8月1日开始的天数。然后你可以进行回归。