对于个人项目，我已经建立了一个曲棍球运动员统计数据集。我正在寻找有关如何为我的预测模型建模的见解（大声笑）。该模型将用于预测球员在之前的表现中预计会产生多少分。

为了简单起见，让我们只保留我的数据集的三个最“重要”的列（还有比这更多的功能，但我认为它们不是解决问题所必需的）：

PlayerId | Points | Year

现在，我尝试使用我知道的机器学习算法，但是：

• 数据的行为有点像时间序列。假设我有 10,000 名球员，这些球员多年来都有统计数据（有时从 2005 年到 2017 年，其他人从 2009 年到 2010 年，你明白了）。考虑到行之间的这种关系（例如 playerId 1，Year 2005 和 playerId 1，Year 2006），我不能使用我知道的大多数算法，因为这个逻辑会被抛到窗外，我认为这是一个重要的逻辑。

• 考虑到某些行的数据随时间相关，我认为我不能真正将其建模为独特的时间序列。每个玩家的数据集中有小的时间序列，但我当然没有足够的数据来处理它（每年每个玩家一行，最多我可能有 15 行可能为一个玩家，这是'不足以建立一个好的预测）。

考虑到这两点，我几乎没有解决方案。

我考虑过将所有行合并为一个，所以我有：

PlayerId | Points2005 | Points2006 | etc..但这没有多大意义，因为我们失去了时间的概念。

我还考虑过我可以为所有玩家单独制作一个预测模型，然后使用我找到的权重来制作另一个预测模型，但我不确定结果如何。

我只是在寻找一个小技巧来推动我朝着正确的方向前进，无论是纯粹的统计相关还是机器学习算法。