我已經從包含特定城市的 911 次火災呼叫的數據集中刪除了趨勢和季節性，每小時記錄一次，超過 17 年。然后我用一個線性回歸器擬合它，并嘗試預測即將到來的 24 小時期間的值。但是，我的 R^2 值通常接近 0（通常為負），并且我的預測值都在彼此相差萬分之一（或更小）的范圍內，因此在繪制時，它基本上看起來像一條大致反映平均值的水平線.我究竟做錯了什么？這是我的代碼：from datetime import timedeltadef run_regression(df, dependent, label):    cut_datetime = df[dependent].max()-timedelta(hours=26) #24 hour lag plus 4 hours to predict    train = df[df[dependent] < cut_datetime][['julian_datetime', label]].dropna(how='any') #train == data before cut_datetime    test = df[df[dependent] >= cut_datetime][['julian_datetime', label]].dropna(how='any') #test == data after cut_datetime    regress = sklearn.linear_model.LinearRegression().fit(                                              X = train[['julian_datetime']],                                              y = train[label])    test['predicted_value'] = regress.predict(                                              X = test[['julian_datetime']])    #Plots    (test[label] - test['predicted_value']).plot()    test[[label, 'predicted_value']].plot()    #Metrics    print('MSE: ', sklearn.metrics.mean_squared_error(test[label], test['predicted_value']))    print('R^2: ', sklearn.metrics.r2_score(test[label], test['predicted_value']))    print('Sample of predicted values: ', '\n', test['predicted_value'][:10])run_regression(exp_model_df, 'incident_hour', 'label')incident_hourjulian_date-->函數開頭引用的日期時間格式這是數據集的示例：incident_hour   julian_datetime     label0   2003-11-07 09:00:00     2452950.87500000    6.6961361   2003-11-07 10:00:00     2452950.91666667    -5.2938842   2003-11-07 11:00:00     2452950.95833333    5.6796813   2003-11-07 12:00:00     2452951.00000000    4.4112784   2003-11-07 13:00:00     2452951.04166667    5.8374765   2003-11-07 14:00:00     2452951.08333333    6.469543這是結果圖：