我是机器学习算法的新手,对统计知识也不了解。我知道这个例子可能无法为您提供正确的销量预测。但是,让我们考虑一下我有两个功能time
和symbol
来预测交易量。这是示例数据
==========day1============
symbol | time | volume
mmm | 0800 | 1000
mmm | 0802 | 500
mmm | 0804 | 200
mmm | 0806 | 100
mmm | 0808 | 50
mmm | 0810 | 100
==========day2===========
symbol | time | volume
mmm | 0800 | 700
mmm | 0802 | 200
mmm | 0804 | 400
mmm | 0806 | 200
mmm | 0808 | 500
mmm | 0810 | 100
===========day3===========
symbol | time | volume
mmm | 0800 | 500
mmm | 0802 | 500
mmm | 0804 | 700
mmm | 0806 | 500
mmm | 0808 | 20
mmm | 0810 | 10
===========day4===========
symbol | time | volume
mmm | 0800 | 1500
mmm | 0802 | 500
mmm | 0804 | 700
mmm | 0806 | 900
mmm | 0808 | 1000
mmm | 0810 | 300
===========day5===========
symbol | time | volume
mmm | 0800 | 9000
mmm | 0802 | 1000
mmm | 0804 | 3000
mmm | 0806 | ?
mmm | 0808 | ?
mmm | 0810 | ?
让我们假设股票在第4天和第5天明显处于“趋势中的股票”状态,其股票价值正在上涨。我想预测剩余时间范围内的交易量。在这种情况下,线性回归将如何计算体积的输出值?
答案 0 :(得分:0)
我认为线性回归是关于找到数据点的最佳拟合,即减少实际值和预测值之间的误差。在这种情况下,第4天和第5天会在模型中引起很多错误,实际结果可能只是适合day1,day2和day3点的线。