scikit-learn: Wie kann man das vorhergesagte 'y' Ergebnis reduzieren?

Ich versuche, scikit-learn und maschinelles Lernen mit dem Boston Housing Data Set zu lernen.

# I splitted the initial dataset ('housing_X' and 'housing_y')
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(housing_X, housing_y, test_size=0.25, random_state=33)

# I scaled those two datasets
from sklearn.preprocessing import StandardScaler
scalerX = StandardScaler().fit(X_train)
scalery = StandardScaler().fit(y_train)
X_train = scalerX.transform(X_train)
y_train = scalery.transform(y_train)
X_test = scalerX.transform(X_test)
y_test = scalery.transform(y_test)

# I created the model
from sklearn import linear_model
clf_sgd = linear_model.SGDRegressor(loss='squared_loss', penalty=None, random_state=42) 
train_and_evaluate(clf_sgd,X_train,y_train)

Basierend auf diesem neuen Modell clf_sgd versuche ich, die y basierend auf der ersten Instanz von X_train vorherzusagen.

X_new_scaled = X_train[0]
print (X_new_scaled)
y_new = clf_sgd.predict(X_new_scaled)
print (y_new)

Das Ergebnis ist jedoch für mich ziemlich seltsam (1.34032174, anstelle von 20-30, dem Preisbereich der Häuser)

[-0.32076092  0.35553428 -1.00966618 -0.28784917  0.87716097  1.28834383
  0.4759489  -0.83034371 -0.47659648 -0.81061061 -2.49222645  0.35062335
 -0.39859013]
[ 1.34032174]

Ich denke, dass dieser 1.34032174-Wert zurückgesetzt werden sollte, aber ich versuche herauszufinden, wie er dies ohne Erfolg tun kann. Jeder Tipp ist willkommen. Vielen Dank.