时间序列预测线性模型问题：无激活Dense层等效性与预测非直线原因

疑问1：不带激活函数的Dense层是否等价于线性回归 #

你的判断完全正确。
Dense层的标准计算逻辑为：
output = activation(dot(input, kernel) + bias)
当不设置激活函数时，激活函数等价于恒等变换，此时计算逻辑完全匹配线性回归的核心公式y = Wx + b：其中kernel对应线性回归的权重矩阵W，bias对应偏置项b。如果是多时间步预测的多输出场景，就对应多输出线性回归，本质依然是纯线性变换，没有引入任何非线性能力。

疑问2：为什么线性模型的预测结果不是直线 #

大家对线性回归的常见误解是“线性模型的输出一定是直线”，这个结论仅在单输入、单输出、输入为一维标量的场景下成立，时间序列预测场景完全不满足这个前提：

• 这里的“线性”指的是模型对输入特征做线性加权组合，不是指输出的时序序列是线性变化的直线。
• 时间序列预测的输入是历史多个时间步的特征序列，往往还包含多个协变量维度（比如除了目标预测值之外，还有天气、节假日等其他特征），线性层会给每个输入特征分配独立的权重，输出的每个未来时间步的结果都是所有输入特征的加权和，不同输出时间步的权重矩阵互相独立，最终输出的多时间步结果自然可以呈现高低起伏的形态，不会是直线。
• 举个简单的示例：假设你用过去3天的销量数据作为输入，预测未来3天的销量，线性模型可以给过去1天的销量分配0.7的权重给未来第1天的预测值，给过去3天的销量平均分配权重给未来第3天的预测值，最终得到的3天预测值完全可以是先升后降的非直线形态。

内容的提问来源于stack exchange，提问作者Samuel Gomes