Python 期末2 公司房价（线性回归）

假设你正在为一家公司开发一个房价预测模型。请根据以下数据集构建线性回归模型，并使用该模型对新的输入数据进行预测。
数据集：（房间数，房屋面积，卧室数量，价格）
(3, 1500, 2, 450000)
(4, 2200, 3, 650000)
(5, 3000, 4, 875000)
(6, 3500, 5, 950000)
(7, 4000, 6, 1200000)

请编写Python代码来实现此任务，包括：
1、数据加载与预处理
2、模型训练及参数估计
3、新数据的预测及结果输出
注：除非特别说明，否则默认使用numpy和sklearn库。

参考输出格式：
输入数据： [3, 1300, 2]
预测结果为： $426566.98

import numpy as np
from sklearn.linear_model import LinearRegression

#数据集加载和预处理
X=np.array([[3,1500,2],[4,2200,3],[5,3000,4],[6,3500,5],[7,4000,6]])
y=np.array([45000,650000,875000,950000,1200000])

#模型训练和结果输出
lr = LinearRegression()
lr.fit(X, y)

#新数据的预测及结果输出
new_data = np.array([3, 1300, 2]).reshape(1,-1) #注意这里需要将输入样本转换为矩阵形式
prediction =lr.predict(new_data)[0]
print("输入数据:",new_data[0])
print("预测结果为：",pred_label)