Python对使用650行8列的CSV数据集的前7列预测第8列，使用300个数据建模，用100个数据进行预测，并定义为结果2。

这个问题需要使用Python中的机器学习模型进行解决。下面是一种可能的解决方案：

1. 首先，我们需要导入必要的库和数据集，代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 导入数据集
data = pd.read_csv('dataset.csv')

# 划分训练集和测试集
train_data, test_data = train_test_split(data.iloc[:, :8], test_size=100, random_state=0)

# 分离自变量和因变量
X_train, y_train = train_data.iloc[:, :7], train_data.iloc[:, 7]
X_test, y_test = test_data.iloc[:, :7], test_data.iloc[:, 7]

2. 然后，我们可以使用线性回归模型进行训练和预测，代码如下：

# 创建模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
result2 = model.predict(X_test)

3. 最后，我们可以输出预测结果并评估模型的表现，代码如下：

# 输出预测结果
print(result2)

# 评估模型表现
score = model.score(X_test, y_test)
print('模型的R^2值为：', score)

完整代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 导入数据集
data = pd.read_csv('dataset.csv')

# 划分训练集和测试集
train_data, test_data = train_test_split(data.iloc[:, :8], test_size=100, random_state=0)

# 分离自变量和因变量
X_train, y_train = train_data.iloc[:, :7], train_data.iloc[:, 7]
X_test, y_test = test_data.iloc[:, :7], test_data.iloc[:, 7]

# 创建模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
result2 = model.predict(X_test)

# 输出预测结果
print(result2)

# 评估模型表现
score = model.score(X_test, y_test)
print('模型的R^2值为：', score)

请注意，这只是一种可能的解决方案，你还可以使用其他更复杂的模型来提高预测准确度。