Python 套索如何用它来预测？

你能帮我回答以下问题吗

我使用Lasso构建了以下模型：

已经研究了文档

---

我的问题是-如果我想在构建的模型中使用x值3 000 000 000（例如）来预测y，我该如何做（我应该运行什么代码）？

该模型需要一个值数组，而不是一个值，但您可以通过将其作为一个值数组传递来欺骗它。例如，对于单个值

3500000.0

---

lassomodel.predict（np.array（3500000.0）.重塑（-1,1））

不清楚你在问什么。您已经在使用模型进行预测：

lassomodel.predict（x）

。您只需在此处为

x

添加新数据以进行预测。如果我尝试lassomodel.predict（x）并使用x=3500000，我会得到以下错误：ValueError：预期的2D数组，而不是标量数组：array=3500000.0。使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。我的问题是，如果设置单个x值，如何获得单个y值？例如，如果我使用单反，我可以这样做：Sales_prediction=500000 NVL_pred=regr.coef_u*Sales_prediction+regr.intercept，以便根据Sales_prediction预测NVL_pred。我不知道怎么在这里做类似的事情。啊，我明白了。谢谢你的澄清。该模型需要一个值数组，而不是单个值，但您可以通过将其作为单个值数组传递来欺骗它。如何

np.array（3500000.0）。重塑（-1，1）

非常感谢！这正是我要找的！

lassomodel = PolynomialLasso(4)

x=dfs[['WSales']]

y=dfs[['DSales']]

lassomodel.fit(x, y)

X_lasso=np.linspace(0,4000000,100)[:, None]

y_lasso = lassomodel.predict(X_lasso)

mse=mean_squared_error(lassomodel.predict(x), y)

r2=r2_score(lassomodel.predict(x),y)

print ("Ridge Mean Square Error: ",mse)
print ("Ridge R2-score: ",r2 )
print('Mean absolute error: %.2f' % mean_absolute_error(lassomodel.predict(x), y))


print ("------------------------------------")
plt.plot(X_lasso.ravel(), y_lasso, color='C3',label='y_lasso')
plt.plot(x,y, 'ro', label='y', color='C1')

plt.xlabel(r'$x$')
plt.ylabel(r'$y$') 
plt.title(r'Linear Regression - 4.order polynomial') 
plt.legend()
plt.show()
Ridge Mean Square Error:  48063700655.292915
Ridge R2-score:  0.726828587296103
Mean absolute error: 165786.75