我已经使用 sklearn.linear_model.LinearRegression
拟合了一个线性模型
我们称它为模型
我有一个 X_1, X_2, ..., X_n
的列表
我所做的是像这样一一预测它们:
for X_i in list:
model.predict(X_i)
有没有更快的方法来做到这一点?也许我可以将所有 X_i 连接在一起,然后一次预测它们?
最佳答案
您可以使用 numpy.array
调用 predict
并返回 numpy.array
预测:
看一下这个 MVCE,使用拟合 X
的奇数 y = 2X 来预测 X
的偶数:
from sklearn.linear_model import LinearRegression
import numpy as np
X = [1, 3, 5, 7, 9]
y = [2, 6, 10, 14, 18]
lr = LinearRegression()
X = np.array(X)
# However, you need to reshape your X array to be 2-D instead of 1-D.
X = X[:, None]
lr.fit(X, y)
X_pred = [2, 4, 6, 8]
# Combine numpy array and reshape into one statement
X_pred = np.array(X_pred)[:, None]
y_pred = lr.predict(X_pred)
y_pred
输出:
array([4., 8., 12., 16.])
关于scikit-learn - 同时预测,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55670096/