python - scikit-learn で予測の精度を向上させる方法

Question

3 つの特徴と1 つのターゲットに基づいてパラメーターを予測したいと考えています。ここに私の入力ファイル（data.csv）があります：

feature.1   feature.2   feature.3   target
    1           1          1        0.0625
    0.5         0.5        0.5      0.125
    0.25        0.25       0.25     0.25
    0.125       0.125      0.125    0.5
    0.0625      0.0625     0.0625   1

これが私のコードです：

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 = ['feature.1' , 'feature.2' , 'feature.3']
target_name = ['target']

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 = 0.1, random_state = 42)

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

#Here is where I want to predict the target value for these inputs for 3 features
new_data  = OrderedDict([('feature.1',0.375) ,('feature.2',0.375),('feature.3',0.375) ])

new_data = pd.Series(new_data).values.reshape(1,-1)
ss = linear_regression_model.predict(new_data)
print (ss)

傾向によると、すべての機能の入力として 0.375 を指定すると、約 0.1875 の値が得られると予想されます。ただし、コードはこれを予測します。

[[0.44203368]]

これは正しくありません。どこに問題があるのか​​わからない。どうすれば修正できるか知っている人はいますか？

ありがとう