sklearn中的线性回归模型如何在以下代码中进行非线性预测？

Question

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(

Answer 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。