ロジスティック回帰における新しい値の予測

Question

私は関数を近似するテンソルフローのロジスティック回帰モデルを構築しています。

Iがランダムに完全なデータセットからトレーニングおよびテストデータを選択すると、私はそうのような良好な結果を得る（青点を訓練され、赤いポイントをテストする、黒線は、予測された曲線である）：

しかし、私は、空間的に別々の試験データを選択したときに、私はそうのような恐ろしい予測曲線を得る：

なぜこれが起こっている私は理解しています。しかし、機械学習モデルはこれらのパターンを学び、新しい価値を予測すべきではないでしょうか？

同様の事があまりにも周期関数で発生します：

は、私がここに些細な何かが足りないのですか？

P.S.私はかなりの時間のためにこのクエリをgoogleしましたが、良い答えを得ることができませんでした。

ありがとうございます。

Answer 1

1. あなたがここでやろうとしていることは、ロジスティック回帰とは関係ありません。ロジスティック回帰は分類子であり、回帰を行っています。
2. いいえ、機械学習システムは、あなたがここにあるような関数を外挿することを学ぶのに十分スマートではありません。モデルに合うと、トレーニングデータの説明が見つかります。トレーニングデータの範囲外でモデルが何をするかは気にしません。あなたがそれを外挿することができるようにするには、それに余分な情報を与える必要があります。入力が正弦波または二次多項式に属していて、それが最適なフィッティングを見つけると仮定するように設定することができます。ただし、関数の形式についての仮定はないため、外挿することはできません。