如何为每个sklearn回归模型分配参数以获得预测目标值？

Question

我正在使用python和sklear。下面的df是一个DataFrame，其中包含“年龄”，“宽度”，“高度”，“价格”列。 “价格”列是目标值。

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)

现在，如果要使用上述模型获得预测值，并且年龄参数为10，宽度为120，高度为250，我该如何分配input_value以获得预测的“价格”？

input_data = ??????

pred_y = model.predict(input_data)

Answer 1

input_data = [[10, 120, 250]]

这应该有效

Answer 2

应该为model.predict([[10, 120, 250]])

input_data = [[10, 120, 250]]

reg_y = model.predict(input_data)

您可以在文档示例中看到它：

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

这将以数组reg_y返回预测值