我有 365 个数据帧，每个数据帧包含 30 行。每一行代表未来的一天。 数据框包含 4 个特征和目标。主要特征是未来30天每天的订单量。 目标是实际销量。其他功能与此处无关。
为此目的最好的模型是什么，其目的是预测未来的销售， 当我们知道未来 30 天的订单数量并且我们还有其他 4 个功能可用时。
可以使用 Randomforest/Gradboost 等以某种方式完成此操作，以便模型能够学习该行为吗？ 我想这些类型的模型的数据必须位于单个数据框中？
或者这应该通过某种类型的神经网络来完成？什么类型的神经网络最适合？
欢迎任何有关如何组织输入数据以及应使用什么类型的模型的 Python 示例！
我认为没有一个模型可以立即接收多个数据帧。
在许多情况下，在拟合模型之前，您必须以某种方式预处理数据。您应该首先从现有的数据帧创建单个数据帧，可能包括一个新列，用于捕获行来自哪个原始数据帧的信息。完成此操作后，您就可以开始尝试不同的模型。