如何在scikit学习中修复奇怪的预测结果

我在scikit learn中有一个简单的预测示例。这是我的数据文件(data.csv):

first second third target1 target2
 800   400    240    400     25
 400   200    120    200     50
 200   100    60     100     100
 100   50     30     50      200
 50    25     15     25      400

这个 特征 包括:一、二、三

这个 目标 包括:TARGET1和TARGET2

现在我想为这些特性提供新的值,并预测target1和target2。如您所见,特性值与TARGET1和TARGET2值之间存在一种趋势:

通过将特征值加倍,target1的值也加倍,而target2的值减半

例如,如果我为第一个、第二个和第三个特性提供值:1600、800和480,我希望得到800和 十二点五 分别用于TARGET1和TARGET2。代码如下:

import pandas as pd
from sklearn.model_selection import train_test_split
from collections import *
from sklearn.linear_model import LinearRegression

features = pd.read_csv('data.csv')

features.head()
features_name = ['first' , 'second' , 'third']
target_name = ['target1','target2']

X = features[features_name]
y = features[target_name]

# Split the data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.155, random_state = 42)

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

new_data  = OrderedDict([('first',1600) ,('second',800),('third',480) ])
new_data = pd.Series(new_data).values.reshape(1,-1)
ss = linear_regression_model.predict(new_data)

print (ss)

输出如下:

[[ 800.         -284.58549223]]

正如你所看到的,目标1的预测值正是预期值。 而TARGET2的预测值(-284.58)与预期值(12.5)相差甚远

有人知道这里有什么问题吗?我怎么解决这个问题?提前谢谢你的帮助。