Scikit learn 同时预测
我使用Scikit learn 同时预测,scikit-learn,linear-regression,Scikit Learn,Linear Regression,我使用sklearn.linear\u model.LinearRegression 我们把它叫做model 我有一个X_1,X_2,…,X_n 我所做的就是一个接一个地预测它们,比如: 列表中X_i的: 模型预测(X_i) 有没有更快的方法?也许我可以把所有的X_I连接在一起,然后一次预测它们?假设X1。。。XN是numpy数组,您可以这样对它们进行操作: X = np.concatenate((X1, X2, X3), axis=0) 然后将此数组传递给fit/predict您可以使用
sklearn.linear\u model.LinearRegression
我们把它叫做model
我有一个X_1,X_2,…,X_n
我所做的就是一个接一个地预测它们,比如:
列表中X_i的:
模型预测(X_i)
有没有更快的方法?也许我可以把所有的X_I连接在一起,然后一次预测它们?假设
X1。。。XN
是numpy
数组,您可以这样对它们进行操作:
X = np.concatenate((X1, X2, X3), axis=0)
然后将此数组传递给
fit
/predict您可以使用numpy.array
调用predict
,并返回预测的numpy.array
:
看看这个MVCE,使用y=2X的拟合奇数的X
来预测偶数的X
:
从sklearn.linear\u模型导入线性回归
将numpy作为np导入
X=[1,3,5,7,9]
y=[2,6,10,14,18]
lr=线性回归()
X=np.数组(X)
#但是,您需要将X阵列重塑为二维而不是一维。
X=X[:,无]
lr.配合(X,y)
X_pred=[2,4,6,8]
#组合numpy数组并将其重塑为一条语句
X_pred=np.array(X_pred)[:,无]
y_pred=lr.predict(X_pred)
尤普雷德
输出:
array([4., 8., 12., 16.])