Как назначить параметр, чтобы получить прогнозируемое целевое значение для модели рекурсии склеарна?

Question

Я использую python и sklear. Df ниже - это DataFrame, который имеет столбцы 'age', 'width', 'height', 'price'. Столбец «цена» - это целевое значение.

X = df[['age','width','height']]
y = df['price']

train_X, test_X, train_y, test_y = train_test_split(X, y, random_state=9)
model = LinearRegression()
model.fit(train_X, train_y)
sc = StandardScaler()
sc.fit(train_X)
score = model.score(test_X, test_y)

Теперь, если я хочу получить прогнозируемое значение для вышеприведенной модели, с параметром возраста 10, шириной 120 и ростом 250, какя должен назначить input_value, чтобы получить прогнозируемую 'цену'?

input_data = ??????

pred_y = model.predict(input_data)

Answer 1

Должно быть model.predict([[10, 120, 250]])

input_data = [[10, 120, 250]]

reg_y = model.predict(input_data)

Вы можете увидеть это в примерах документа:

https://scikit -learn.org / stable / modules / generate/sklearn.linear_model.LinearRegression.html

это вернет прогнозируемое значение в массиве, reg_y

Answer 2

input_data = [[10, 120, 250]]

Это должно работать