python - 有没有一种使用内部元素很少的多个数据框进行预测的方法？

Question

我正在研究时间序列，但我不确定如何解决我的问题。

问题：预测 2021 年价值 X。

数据。我有 4k 个这种形状的数据集：（每个客户 1 个）

TS	客户ID	价值X	特色1	特色2	特色3	特色4
2019-01-01	客户1	1000 美元	1	12000	0.6	1
2019-02-01	客户1	850 美元	3	4000	0.8	10
...	...	...	...	...	...	...
2021-06-01	客户1	1040 美元	3	10000	0.6	8
2021-07-01	客户1	1305 美元	2	5000	0.5	6

所有 4000 个数据集包含 2019 年、2020 年和 2021 年一半的所有列。

问题是： 假设每个客户的系列趋势/周期非常相似，我怎么能猜出我知道他从 2019-01-01 到 2020-31-01 的数据的新客户每个月的 2021 ValueX。

我想如何解决它：使用 ML 我想传递我的 n 个数据集来“训练模型”，然后以这种方式在一些剩余的数据集上对其进行测试：使用 2019 年 1 月的已知值像基础一样使用该模型 → 2020-31 根据特定客户数据校准模型。那可能吗？它可以工作吗？

感谢您提供任何帮助，提示或教程或任何东西:) 干杯

标签： pythonmachine-learningtime-seriesforecasting