python - 线性回归-输出不正确

我有两列的数据库[“ A”，“ B”]，其中“ A”是输入变量，“ B”是目标变量。所有值都是整数。

我的代码：

X.shape
>>(2540, 1)

y.shape
>>(2540, 1)

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaler.fit(X)
X = scaler.transform(X)

import numpy as np
from sklearn.model_selection import train_test_split
np.random.rand(4)
X_train, X_test, y_train, y_test  = train_test_split(X,y,test_size = 0.2)

Sklearn的线性回归

regr = LinearRegression(fit_intercept=True)
regr.fit(X_train, y_train)

print ('Coefficients: ', regr.coef_)
print ('Intercept: ',regr.intercept_)
>>Coefficients:  [[43.95569425]]
>>Intercept:  [100.68681298]

我的R2值为0.93

X_train中的最后一条记录是3687，相应的y_train值是212.220001

我使用最后一条记录进行预测，例如

regr.predict([[3687]] )
>>array([161825.22279211])

我不知道发生了什么，我除外预测值将在212附近。

但是，预测值为161825

你能解释一下原因是什么，谢谢

最佳答案

也许您需要在通过回归之前将测试数据通过定标器。
尝试reg.predict(scaler.transform([3687])

关于python - 线性回归-输出不正确，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/60089805/