java数据精度经典案例,线性回归精度为95％，但预测过去的数据

拥有4行特征的熊猫数据框，我从“forecast_col”为它们创建标签，然后将它们移回过去以便稍后进行预测：

pandasdf['label'] = pandasdf[forecast_col].shift(-forecast_out)

获取除“标签”列以外的所有行：

X = np.array(pandasdf.drop(['label'], 1))

规范化数据：

X = preprocessing.scale(X)

将最后一行用于未来预测：

X_lately = X[-forecast_out:]

选择用于培训和交叉验证的数据：

X = X[:-forecast_out]

y = np.array(pandasdf['label'])[:-forecast_out]

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size=0.3)

训练分类器：

clf = LinearRegression(n_jobs=-1)

clf.fit(X_train, y_train)

检查准确度 - 大约95％：准确度= clf.score(X_test，y_test)

预测最后的数据：

forecast_set = clf.predict(X_lately)

在这里，我应该得到“forecast_out”期间的未来价格列表，但我正在预测相同的最后数据(X_lately)价格

我究竟做错了什么？