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
这是一个例子：forecasting the past
我究竟做错了什么？