了解线性回归

Question

我是机器学习算法的新手，对统计知识知之甚少。我知道这个示例可能无法为您提供正确的音量预测。但是，让我们考虑一下我有两个功能 time 和 symbol 来预测音量。这是样本数据

==========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 天显然是“趋势股”，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音量的输出值？

Answer 1

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第 1 天、第 2 天和第 3 天的点的线。