如何在一时间范围内预测样本不足

Question

我正在尝试从样本数据中预测出我要走的一步，我想要的是在训练数据上训练模型，然后将模型与测试数据的一个样本拟合，收集预测并将其添加到训练中数据。

我试图通过使用python中的itrrows循环数据帧来做到这一点，但是我总是遇到错误。

dftry=dftr['target']
dftrX=dftr.drop('target',axis=1)

dftsy=dfts['target']
dftsX=dfts.drop('target',axis=1)

for i,row in dftsX.iterrows():
prediction=[]
model=xgb.XGBRegressor(colsample_bylevel=1,colsample_bytree=1,gamma=0,learning_rate=0.1,max_depth=5,min_child_weight=1,n_estimators=1000,
                  n_jobs=3,objective='reg:linear',reg_alpha=1,subsample=0.5,scale_pos_weight=1)
model.fit(dftrX,dftry)
p=model.predict(row.values)
prediction.append(p)
dfpr=pd.DataFrame(prediction,columns=['Predicted'])
pfob=pd.merge(dftrX,dfpr,left_index=True,right_index=True)
dftr=dftr.append(dfob,ignore_index=True)

非常感谢您的帮助。