dataframe GBDT模型已经训练模型，怎么预测数据得出结果

在使用GBDT模型进行预测时，可以使用训练好的模型对新数据进行预测。通常情况下，可以使用Python中的Scikit-learn库或者XGBoost库来进行预测。

使用Scikit-learn库进行预测的示例代码如下：

# 导入模型和数据
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.datasets import make_hastie_10_2

X, y = make_hastie_10_2(random_state=0)
X_train, X_test = X[:2000], X[2000:]
y_train, y_test = y[:2000], y[2000:]

# 训练模型
clf = GradientBoostingClassifier(n_estimators=100, learning_rate=1.0,
                                 max_depth=1, random_state=0)
clf.fit(X_train, y_train)

# 预测新数据
y_pred = clf.predict(X_test)

使用XGBoost库进行预测的示例代码如下：

# 导入模型和数据
import xgboost as xgb
from sklearn.datasets import load_iris

iris = load_iris()
X, y = iris.data, iris.target
X_train, X_test = X[:120], X[120:]
y_train, y_test = y[:120], y[120:]

# 训练模型
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)
param = {'max_depth': 2, 'eta': 1, 'objective': 'multi:softmax', 'num_class': 3}
num_round = 2
bst = xgb.train(param, dtrain, num_round)

# 预测新数据
preds = bst.predict(dtest)

在预测时，需要将新数据输入到模型中进行预测，预测结果将会保存在y_pred或者preds中。