由于线性回归算法找到了训练数据的最佳拟合线,因此对新数据的预测将始终在该最佳拟合线上。然后,如该图所示,来自sklearn的线性回归模型如何非线性地预测数据。 !(https://pythonprogramming.net/static/images/machine-learning/linear-regression-prediction.png)
error: bundling failed: SyntaxError: Support for the experimental syntax 'classProperties' isn't currently enabled (59:33):
57 | }
58 |
> 59 | requestMicrophonePermission = () => {
| ^
60 | Permissions.request('microphone').then(response => {
61 | if (response === "denied") {
62 | Alert.alert(
答案 0 :(得分:1)
通过线性回归生成的模型在所有预测特征(即X
)中都是线性的。您的模型似乎已通过功能'HL_PCT', 'PCT_change', 'Adj. Volume'
进行了训练。但是,该图在X轴上仅包含一个特征(就像所有2D图一样)Date
,它甚至不是您的预测性特征之一。即使Date
是X
中的预测功能之一,从多个维度向下投影到1的投影也可能使模型看起来是非线性的。