我正在关注使用线性回归预测股市价格的教程。我使用LinearRegression中的sklearn.linear_model工具。使用此功能进行拟合和评分后，我的测试数据的准确度为0.992。
然后教程继续使用svm。它使用sklearn.svm.SVR。当我使用相同的训练数据并使用它进行测试时，我得到-0.15得分并且我在文档中检查，这意味着模型可以任意更差。很困惑，我继续在训练过的相同数据上对模型进行评分，得分再次为-0.15。我在这里错过了什么？此外，该文件说“最好的分数是1.0，它可能是负的（因为模型可以任意恶化）。”，“可以任意恶化”是什么意思？
如果有帮助，我正在使用quandl.get('WIKI/GOOGL')作为我的数据。
这是我的代码：
clf = LinearRegression()
clf.fit(X_train, y_train)
clf.score(X_test, y_test) //0.9924
clf = svm.SVR()
clf.fit(X_train, y_train)
clf.score(X_test, y_test) //-0.1514
另外，我目前正在接受Andrew Ng的ML课程，所以我知道线性回归，但我还没有达到svm，所以当这个使用svm进行预测并且预测结束时，它让我很困惑。所以，我想知道是否有一个特殊原因导致这种情况发生。