同时预测

Question

我使用sklearn.linear_model.LinearRegression拟合了一个线性模型

让我们称之为model

我有一个X_1, X_2, ..., X_n列表

我所做的是逐个预测它们，如：

for X_i in list:
    model.predict(X_i)

有更快的方法吗？也许我可以将所有X_i连接在一起，然后一次预测它们？

Answer 1

你可以用predict调用numpy.array并获得一个预测的numpy.array：

看看这个MVCE，使用拟合奇数X y = 2X来预测偶数个X：

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.])

Answer 2

假设X1 ... XN是numpy数组，你可以像这样concatenate：

X = np.concatenate((X1, X2, X3), axis=0) 

并将此数组传递给fit / predict。