我已经对整数的数据序列进行了排序。2 个数字之间的最大差值为 3。因此数据看起来像这样：
Data: 1 2 3 5 7 8 9 10 13 14
Differences: (start 1) 1 1 2 2 1 1 1 3 1
有没有比保存差值更好的方法来存储（压缩）这种类型的序列？因为如果我使用基于字典的方法，由于数字 1,2 和 3 的随机性，它无法压缩。如果我使用“PAQ”样式压缩，结果会更好，但仍然不太令人满意。霍夫曼和算术编码器比基于字典的方法差。
有什么方法可以预测吗？
例如，对原始数据使用回归而不是存储差异（可能更小或更一致）
或者使用某种基于差异直方图的预测？
或者完全不同的东西......或者根本不可能（在我看来，这是真正的答案:)）
由于您在评论中说您已经在每个字节存储了四个差异，因此您可能不会做得更好。如果差异 0、1、2 和 3 是随机且均匀分布的，那么就没有办法做得更好了。
如果它们分布不均匀，那么使用霍夫曼或算术代码可能会做得更好。例如，如果 1 比 0 更常见，而 0 比 2 和 3 更常见，那么您可以将 1 存储为 0、0 存储为 10、2 存储为 110、3 存储为 111。或者如果 0 从未发生，则将 1 存储为 0、2和 3 作为 10 和 11。对于您引用的 1 出现 80% 的时间的情况，您可以使用算术代码做得更好。或者一个穷人的算术代码，通过编码符号对。例如：
11 0
13 100
21 101
12 110
31 1110
22 111100
23 111101
32 111110
33 111111
将是 1 80%、2 10%、3 10% 的好代码。（这并不能完全处理奇数差异的情况，但您可以在开始时只用一点表示偶数或奇数，如果奇数在最后再增加几位。）
可能有比之前的值更好的预测器。这将是n 个先前值的函数，而不仅仅是一个先前值。然而，这将高度依赖数据。例如，您可以假设当前值可能落在前两个值所形成的线上。或者它落在前面三个值所形成的抛物线上。或者一些其他函数，例如具有某种频率的正弦曲线，如果数据如此有偏差的话。