Блог

Я установил линейную модель, используя sklearn.linear_model.LinearRegression

Давайте назовем это model

У меня есть список X_1, X_2, ..., X_n

И то, что я делаю, это предсказываю их каждый по одному, например:

 for X_i in list:
    model.predict(X_i)
  

Есть ли более быстрый способ сделать это? Может быть, я могу объединить все X_i вместе, а затем предсказать их все сразу?

Вы можете вызвать predict с помощью a numpy.array и получить обратно a numpy.array прогнозов:

Взгляните на этот MVCE, используя соответствие нечетным числам X для y = 2X, чтобы предсказать четные числа 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
  

Вывод:

 array([4.,  8., 12., 16.])
  

Предполагая X1 ... XN , что это numpy массивы, вы можете объединить их следующим образом:

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

И передайте этот массив в fit / predict .