为时间序列预测拟合曲线到数据点集

Question

我现在有一组数据点（点击次数），这些数据是按时间顺序排列的。数据大概是这样的：

time   hits
20     200
32     439
57     512

我想知道怎么给这些数据拟合一条曲线，或者找到一个公式，这样我就可以预测未来的点。理想情况下，我想回答一个问题，比如“当时间是100的时候，会有多少次观看？”

谢谢你的帮助！

编辑：我到目前为止尝试过的：

我尝试了各种方法，包括：

1. 使用sklearn创建逻辑回归（不过，数据没有特征）

2. 使用scipy的optimize.curve_fit创建曲线拟合（但是，我没有适合数据的函数）

3. 从UnivariateSpline创建一个函数，然后传给curve_fit（出现了一些问题，我没法确定是什么）

我想模拟内容何时会变得热门，所以我认为多项式或指数曲线是最理想的。

我之前尝试了@Bill提供的链接，但我没有适合数据的函数。你知道我该怎么找到一个吗？

编辑2：

这是大约两天的数据样本：

这里是预期的趋势。

Answer 1

正如其他人所说，信息太少了，很难给出答案。

我建议你定义一些新的变量，比如时间、时间的平方（time*time）、时间的立方（time*time*time），然后用这些作为输入变量来训练一个线性回归模型。

我会先从这些开始，如果需要的话，再使用一些更复杂的东西，比如神经网络（不是在sklearn里）或者支持向量回归（SVR）。

希望这些能对你有所帮助。