我需要根据历史数据估计一个国家三年后的 GDP 百分比。

我有 30 多年的以下月度数据，其中包括通货膨胀和失业率等特征：

Year  Month  Inflation  Unemployment %  Other Features  GDP %
1990    1       1.1           6.2           ....         2.3 
1990    2       1.3           6.1           ....         2.4

...
...
...

2019    6       0.8           4.8           ....         3.1
2019    7       0.9           4.9           ....         3.3

使用 Random Forests（Python 的 scikit learn 库），我可以使用数据计算下个月 2019/8 的 GDP：

计算后（假设 GDP % = 3.2）我使用这个值并重新运行整个随机森林过程，包括在历史数据中我获得的 2019/8 年的值。

我继续迭代直到计算 2022/8，这就是我的结果。

我有两个问题：

1. 在每次迭代中重新计算所有内容是一个繁琐的过程，如果历史数据很大，那么这将花费太长时间。
2. 2022/8 结果仅通过一条路径获得，我需要重新运行整个过程 N 次并取平均值以获得更精确的数字。

我需要这个与机器学习（不一定是随机森林）一起工作，有什么想法可以改进/改变这个过程吗？