Scikit learn 同时预测

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
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.])