Python 如何分配参数以获得每个sklearn回归模型的预测目标值？

我正在使用python和sklear。下面的df是一个数据帧，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，如果我想用上面的模型得到预测值，参数年龄是10，宽度是120，高度是250，我应该如何分配输入值来得到预测的“价格”

input_data = ??????

pred_y = model.predict(input_data)

---

input_data=[[10120250]]

---

这应该可以用

试试

模型。预测（[[10120250]]）

？它可以用，但我需要像上面的输入数据那样使用赋值。如果我使用a=10 b=120 c=250，然后model.predict（[[a，b，c]]）不起作用，显示错误代码：ValueError:使用序列设置数组元素。我刚刚检查过，它确实起作用。你能发布什么<代码>打印（[a，b，c]）< /c>返回吗？考虑添加一个你的答案的描述。如果你这样做，不仅会帮助OP，还会帮助其他人。