最近我一直在处理时间序列数据。进行了很多研究，但还没有找到负责这个（非常基本）问题的人。
说，我有从t=8到t=50期间的数据。我使用的是滞后1,2和7，因为这是每日数据，因此我需要进行7天的预测。因此，我使用从t=8到t=43的数据训练模型，以预测从t=44到t=50的数据。
所以，我的火车数据如下：
t Q Q_lag1 Q_lag2 Q_lag7
8 10 11 12 9
9 14 10 11 8
. . . . .
. . . . .
. . . . .
43 25 24 22 20
这里没问题。我可以训练模型，Q为y_train，其余列为X_train。但是然后，如果我想测试模型以进行预测，是否可以执行以下操作：
forecast= clf.predict(X_test)
我将使用实际上不知道的数据。
说，要预测t=48中的Q值，我需要来自滞后1，滞后2和滞后7的数据，分别是t=47，t=46和{{1} }，但实际上，我只有t=40之前的数据，这意味着我需要使用t=43和t=47的预测，而不是实际值。
这应该是相当标准的，但是找不到解决这个问题的人。您知道如何将我的X_test数据递归替换为预测吗？