predict函数 python_sklearn predict（）函数对于逐行预测来说太慢

我有一个挑战，我正在做的是模拟我的服务器接收实时信息，这样我只能逐行进行预测。我使用随机森林回归-优化速度。在

问题不在于predict()函数，而是逐行调用它会产生大量开销。在

我能做些什么来提高运行时性能吗？

或者另一种方法，在提高运行时间的同时达到相同的模型精度？在

也许另一个库中的predict()函数不需要如此大的开销？在

尝试了不同的sklearn模型，从复杂到简单(线性回归)和性能问题仍然存在。这表明问题在于predict函数所需的开销，而不是模型本身。在

我试图在一个有300k标签的样本数据集上进行预测，而预先训练的模型在4秒钟内就可以预测到。在Class test(b):

def predict(self, data, model):

#form feature dataframe X using data

prediction = model.predict()

return prediction[0]

def run(self):

model = pickle.load("model.pkl")

streaming_data_row = #gets a row of data. Dimensions 1x11

prediction = predict(streaming_data_row, model)

self.submit(prediction)

#MUST EXECUTE self.submit() before next streaming_data_row can be received.