Как предсказать классификатор MLP, используя cross_val_predict для невидимых данных?

Question

Я хотел бы предсказать метку для невидимого набора данных с помощью MLPClassifier. У меня есть следующие три набора данных:

1. df (10 функций, включая метки)
2. new_data (9 функций без меток)

Что Я уже сделал:

• разделить df на X (9 функций, без меток) и y (метки)

• пробовать MLClassifer() с несколькими параметрами, но всегда с sklearn train_test_split:

  mlp=MLPClassifier().fit(X_train, y_train)
  mlp.predict(X_test)
  mlp.predict(new_data)
  

Я хотел бы попробовать разделить с помощью перекрестной проверки, но я не знаю, как предсказать метки new_data, потому что я предполагаю, что следующее дает только метки / предсказания из уже известных данных:

mlp = MLPClassifier()
predicted1=cross_val_predict(mlp, X, y, cv=10)