问预测序列数据分析中的下一个数

EN

我是一个机器学习新手，我正在做一个项目，给我一个整数序列，所有这些都在0到70之间。我的目标是预测序列中的下一个整数，给定相同序列中的前5个整数。关于整数序列本身没有更多的信息(例如，序列是如何获得的，等等)。

以下是我尝试过的事情。

1. 首先想到的是使用具有5个输入时间步骤和一个输出的LSTM回归模型(对应于序列中的下一个整数--在Keras中，这将是return_sequences=False)。我传递了5个以前的整数作为输入。这导致了模型几乎一直预测平均(~30)。
2. 我尝试了(1)上面的模型，但是有更多的输入时间步骤(比如100)，但仍然没有改进。
3. 然后我尝试(1)和(2)，但这次使用连续整数之间的差异作为输入，并试图预测序列中下一个整数的差异。这样做的结果仍然很糟糕。
4. 然后，我尝试了一个LSTM分类模型，对输入和输出进行了一次热编码，因为我知道序列中的所有整数都在0到70之间。再说一次，没有改善。
5. 然后，我尝试了一个seq2seq (编码器-解码器) LSTM模型，它在编码器中有5个输入，在解码器中有5个输出，并将正确的输出输入到解码器(教师强制)。但结果还是很糟糕。

在这一点上，我开始怀疑我是否能够对给定的数据训练一个模型，以及给定的数据是否只是一堆随机整数。

我寻找统计测试来确定数据是否是随机的，并发现了关于熊猫自相关图的信息。这是在连续整数之间的差异上绘制的图形(使用实际整数本身绘制时看起来类似)。

据我所知，由于数值非常接近于零，这意味着数据是随机的。是这样吗？

我还使用了状态模型图_acf“，下面是我得到的连续整数之间的差值的图。

当滞后值为1时，我发现两者之间存在一定的负相关。为什么在使用熊猫的autocorrelation_plot()的情节中没有出现这种情况呢？

我也尝试过建立一个AR (自动回归)模型，但是结果还是很糟糕。

序列中整数的直方图似乎也表明整数是随机的(除了一些较高的整数外，所有值的计数都差不多)。

我是在浪费时间去建立机器学习模型来预测序列中的下一个整数吗？