Python：无需输入到NN即可预测一系列数字

Question

我在csv中有一个序列（整数）的随机列表以及日期，例如：

1/1/2019,34 44 57 62 70

12/28/2018,09 10 25 37 38

12/25/2018,02 08 42 43 50

12/21/2018,10 13 61 62 70

12/18/2018,13 22 32 60 69

12/14/2018,05 22 26 43 49

12/11/2018,04 38 39 54 59

12/7/2018,04 10 20 33 57

12/4/2018,28 31 41 42 50

该列表可以追溯到1997年。我正在尝试根据这些数据预测下一个系列（或尽可能接近的系列）：

列表的大小（2336）

我尝试了什么？

到目前为止，我使用的方法是（例如用于1/1/2019,34 44 57 62 70）：

1）获取列表中每个数字的出现次数，即34出现的次数170超过列表总数（2336）。

2）查找已出现的每个数字的百分比。即

Perc/Chances(34) = Occurrence/TotalNo.

Chances(34) = 170/2336
Chances(34) = 0.072 ~ 07

获取列表的一种方法是从列表中找到百分比最低的5个数字。但这不会很有效。

另一方面，现在我有一个数据，该数据包含每个数字，其百分比和出现的位置。我有什么方法可以训练预测下一个系列的神经网络？或最接近。

层次结构：

comp_data.csv包含如下数据：

1/1/2019,34 44 57 62 70

12/28/2018,09 10 25 37 38

12/25/2018,02 08 42 43 50

12/21/2018,10 13 61 62 70

12/18/2018,13 22 32 60 69

12/14/2018,05 22 26 43 49

12/11/2018,04 38 39 54 59

12/7/2018,04 10 20 33 57

12/4/2018,28 31 41 42 50

andpetition.csv包含：

34,170

44,197

57,36

62,38

70,37

09,186

10,210

25,197

37,185

38,206

02,217

08,185

and report.csv包含数字，出现次数及其百分比：

34,3,11

44,1,03

57,5,19

62,5,19

70,5,19

09,1,03

10,5,19

25,2,07

37,3,11

38,2,07

02,1,03

08,2,07

因此，我有一系列的列表，一段时间内出现的次数以及百分比。无论如何，我可以创建一个神经网络，该神经网络期望一些INPUTS对数据进行训练并预测OUT（在这种情况下为系列）

问题：

哪个是输入？因为这是一个纯粹的随机问题。 PS。我无法提供任何输入，因为我需要一个没有输入的序列。也许是LSTM回归网络？