我最近一直在尝试使用sklearn处理我的数据。我有大约2万行的数据，每行有609列。数据格式如下：

• 第0到7行分别是不同类型的“输出”（每行1到8的输出都独立基于“输入”）

• 第8到608行是“输入值”，即产生前七列输出的值。

所有这些值都可以在名为unlabelled.csv的文件中找到，或者您可以选择任何您指定的CSV文件名。

所以我一直在尝试对其进行SGD回归，方法如下：

import sklearnfrom sklearn import linear_model as linmodimport numpy as nprawdata=open('unlabelled.csv','r')dataset=np.loadtxt(rawdata,delimiter=",") # 这里会出现挂起factzero=dataset[:,0]factone=dataset[:,1]facttwo=dataset[:,2]factthree=dataset[:,3]factfour=dataset[:,4]factfive=dataset[:,5]factsix=dataset[:,6]factseven=dataset[:,7]base=dataset[:,8:608]facts=[factzero,factone,facttwo,factthree,factfour,factfive,factsix,factseven]clf=linmod.SGDRegressor()for fact in facts:    clf.fit(base,fact)

现在，这在Python命令行上返回的是：

SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,       random_state=None, shuffle=True, verbose=0, warm_start=False)

我对如何继续感到有些困惑；我想能够提供所有“输入”值，并在训练我的数据集后获得某种“输出”值的预测。我试图在网上寻找一些相关文档，但无法确定具体如何操作。

谢谢您的帮助。

回答：

首先，您需要将训练好的模型存储在某个地方。您可以通过将代码的最后两行替换为以下内容来实现这一点：

models = [clf.fit(base, fact) for fact in facts]

在训练您的模型后，您需要一些输入数据来进行预测。假设您有一个名为unseen_data.csv的未见数据集。假设您已经加载了它并存储在某个变量unseen_dataset中，您可以使用它进行预测，如下所示：

predicted_facts = [model.predict(unseen_dataset) for model in models]

现在predicted_facts将包含您的预测结果。

您可以在文档中找到更多详细信息。

一些提示：

• 您应该考虑使用pandas —— 它可以更轻松地处理大型数据集。

• 您可以通过替换以下代码来节省一些打字时间

  factzero=dataset[:,0]factone=dataset[:,1]facttwo=dataset[:,2]factthree=dataset[:,3]factfour=dataset[:,4]factfive=dataset[:,5]factsix=dataset[:,6]factseven=dataset[:,7]facts=[factzero,factone,facttwo,factthree,factfour,factfive,factsix,factseven]

  为

  facts = [fact for fact in dataset[:, :8]]

  后者也更易于阅读。