Прогнозирование последующих возможных значений целых чисел для заданной последовательности

Есть пример кода из интернет, которые для заданной последовательности целых чисел прогнозирует последующие целочисленные значение. Нужно изменить код так, чтобы он выдавал по три наиболее вероятных целочисленых значений для каждого прогнозируемого элемента. Как это сделать ?

import numpy as np
np.set_printoptions(threshold=np.inf)
import pandas as pd
from sklearn.linear_model import LinearRegression
import warnings
warnings.filterwarnings(action="ignore", module="sklearn", message="^internal gelsd")


#inputData = pd.read_csv(example.csv, delimiter=',', header=None)
#y = inputData.iloc[:,0]  #select first column, next column would be [:,1] etc.


listIntegers = [0, 12, 24, 36, 48, 60, 72]
y = pd.DataFrame(listIntegers)

def linearizer(lowerLimit, upperLimit): # including lower and upper limit!
    upperLimit += 1
    out = []
    while (lowerLimit < upperLimit):
        out.append(lowerLimit)
        lowerLimit += 1
    return out 

length_y = len(y.index) #Get the length of our output
x = []
x = linearizer(0, (length_y - 1)) #minus 1 to compensate for position 0

x = pd.DataFrame(x)

model = LinearRegression()

model.fit(x, y)

#build new array, 10 positions (as an example) ahead
positionsToPredict = 10 #want to predict future n items
new_data = linearizer(length_y, (positionsToPredict + length_y))
new_data = pd.DataFrame(new_data)

# feed the array into model.predict()
prediction = model.predict(new_data)

print('\nPredictions based on Linear Regression:\n\n',prediction)

Текущий результат

 [[ 84.]
 [ 96.]
 [108.]
 [120.]
 [132.]
 [144.]
 [156.]
 [168.]
 [180.]
 [192.]
 [204.]]

Ожидаемый результат (для примера)

7 элемент, значение 84, вероятность 99%
7 элемент, значение 83, вероятность 81%
7 элемент, значение 85, вероятность 67%