我正在尝试使用回归根据过去的记录对组织的未来利润进行简单的预测。我关注this link。出于测试目的，我更改了样本数据并产生了以下结果：
我的实际数据将是日期和利润，它们会上下波动，而不是连续递增。我意识到上述方法适用于随着预测非常准确而不断增加的样本数据。但是，当我将数据更改为截图中疯狂上下的数据时，预测不再那么准确了。
只是想知道是否有任何方法可以提高回归的准确性，因为我的数据会上下波动。
谢谢！
【问题讨论】：
标签： javascript algorithm prediction non-linear-regression math.js
当您进行回归时，您正在为数据拟合 模型。换句话说，您是在说“这是一个大致描述数据行为方式的方程式”。在线性回归情况下，模型/方程为：
y = a * x + b
x 是输入，y 是输出。通过进行线性回归，您是在说“我的数据遵循一条直线，这是我的数据，最适合数据的参数 a 和 b 是什么？”。
很明显，如果您的数据不沿着一条直线，这将很糟糕。例如，看看我在 Google 图片上找到的 this image。
很明显，您可以看到数据具有某种复杂的波浪形状 - 它会上下波动，然后再上升。线性模型不够复杂，无法表达这种形状（只能做直线）。所以不太合适。
由于您需要一个更复杂的模型，因此您必须选择一个。标准的有几十种，你可以自己编。所有的模型都是一个带有一些固定参数的方程，可以调整这些参数以使方程适合您的数据。
我建议您使用 Excel 或 Google 表格中的趋势线选项来感受一下。一些常见模型请参阅趋势线类型位here。
请注意，这些都不适用于月度利润，因为它们都不是真正的周期性。您可能需要一个模型，该模型由一些重复乘数组合来捕获逐月变化，然后是一个线性或多项式组件来捕获年度利润随时间增加或减少的事实。
但是，您不想要一个过于表达能力的模型，否则您将过度拟合数据（基本上它会在噪声中看到模式）。
【讨论】：