Python 如何使用clf.predict获得线性回归模型进行预测？

因此，我用线性回归建立了一个汽车价格预测模型。 现在我需要用它来预测未来5年的价格。 如何使用clf进行预测

X = df[['Year','Engine','FuelType','Age','Transmission','Mileage']]

y=df['Price']

这是我的X和y值

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2)

clf = LinearRegression()
clf.fit(X_train, y_train)

clf.predict(X_test)   

print(clf.score(X_test, y_test))

在这之后我用

clf.predict([[2022,1300,0,5,0,10000]])

---

我得到了

数组（[-5722871.63724422]）

为了只得到正值，你应该对y值进行对数运算：

y_log = np.log(ytrain.values, where=(ytrain.values>0))

并对模型预测进行反变换：

y_pred = exp(clf.predict(X_test))

---

你确定你的模特不合身吗？列车组的预测值是多少？您是否尝试绘制仅更改年份时的预测值，以查看模型的行为？是的，我绘制了年份和价格之间的图表