Предположим, у меня есть массив NumPlay X из 10000 наблюдений и модель случайного леса model. Я заметил, что когда я использую model.predict(X), это занимает на несколько порядков меньше, чем прогнозирование построчно, то есть
for i in range(X.shape[0]):
clf.predict(X[i:i+1,:])
В моем приложении я должен делать прогнозирование построчно. Есть ли способ преодолеть это?