Первый fit и predict на своих данных

Исправление прогноза сушки керамики

В небольшой керамической мастерской каждое изделие проходит через обжиг только после того, как глиняная стенка полностью просохнет. Мастера годами фиксировали параметры своих работ: насколько толстой получилась стенка, какова была влажность воздуха в цеху, при какой температуре шла сушка — и сколько часов в итоге потребовалось изделию, чтобы достичь нужной готовности. Теперь эти записи превратились в таблицу, где три числовых показателя описывают условия, а время сушки отражает результат.

Мастерская решила использовать накопленный опыт, чтобы заранее планировать загрузку печи: если знать примерное время сушки ещё до её начала, проще выстраивать очерёдность изделий. Для этого была написана небольшая программа, обучающая линейную регрессию на старых записях и применяющая её к новым работам. Обучение завершается, но вызов predict для двух новых изделий выдаёт ошибку вместо времени сушки.

Что уже дано

Скрытая подготовка не создаёт данных: весь исходный код находится в редакторе. Он создаёт df с тремя числовыми признаками толщина_мм, влажность_проц, температура_с и целью сушка_ч. Из него уже выделены X и y и обучен model. Два новых изделия находятся в DataFrame X_new.

Что нужно сделать

Найдите причину сбоя и исправьте подготовку новых данных. Сохраните обучение LinearRegression на прошлых изделиях и два прогноза времени сушки в переменной predictions. Измерения новых изделий и их порядок в таблице должны сохраниться; целевое время сушки для них пока неизвестно.

Ввод и вывод

stdin не используется. Печатать через print в stdout ничего не нужно. После вашего кода проверяются верхнеуровневые df, X, y, model, X_new, predictions. predictions — NumPy-массив из двух прогнозов в часах.