使用小型数据集预测多元时间序列

Question

时间序列

作为时间序列的新手，我正在对项目进行时间序列预测。任务是使用历史数据来预测现在4周后的需求（或预测需求趋势）。

小型数据集

数据集包含约128周的观察，每个观察具有以下四个特征：

mydata = np.arange(1, 17, 1)
df = pd.DataFrame(mydata.reshape(4, 4), columns=["demands", "feat1", "feat2", "feat3"], index=["weeks1", "weeks2", "weeks3", "weeks4"])
print(df)

我已经知道如何使用滚动窗口将需求和功能更改为
1weeks_ago_demand，2weeks_ago_demand ...，1weeks_ago_feat1，2weeks_ago_feat2 ... 作为新的滚动功能，到目前为止，我可以使用本周之前（包括）的功能来预测一些模型（例如SVR，RidgeRegression，AdaBoostRegressor ...）对下周的需求...

火车测试可以预测问题

但是，我不知道如何使用时间序列方法（以及使用哪种模型）来训练和测试“接下来的4周”。
任何建议，将不胜感激！