为啥 scikit-learn 对不同的回归器要求不同的数据形状？

Posted 2023-03-12

【中文标题】为啥 scikit-learn 对不同的回归器要求不同的数据形状？

【英文标题】：Why does scikit-learn demand different data shapes for different regressors?为什么 scikit-learn 对不同的回归器要求不同的数据形状？

【发布时间】：2017-06-17 18:18:40

【问题描述】：

当我使用sklearn 时，我总是发现自己在重塑我的数据，这很烦人，并且让我的代码变得丑陋。为什么不能使该库与各种数据形状一起工作，并进行适当的解释？例如，要使用线性回归器，我需要这样做

from sklearn.linear_model import LinearRegression
x = np.random.rand(10).reshape(-1,1)
y = np.random.rand(10).reshape(-1,1)
regr = LinearRegression()
regr.fit(x,y)

但如果我想使用支持向量回归器，那么我不会重塑自变量：

from sklearn.svm import SVR
x = np.random.rand(10).reshape(-1,1)
y = np.random.rand(10)
regr = SVR()
regr.fit(x,y)

我认为图书馆以这种方式设计是有原因的；谁能照亮我？

【问题讨论】：

在将x = np.random.rand(10).reshape(-1,1), y = np.random.rand(10) 与您指定的任何估算器一起使用时，我没有收到任何错误。 SVR 和 LinearRegression 都可以将 y 与 (n,) 或 (n,1) 一起使用。

所以你可以用x=np.random.rand(10) 和y=np.random.rand(10) 运行上面的代码吗？当我尝试这样做时，我得到了ValueError。你用的是什么版本的scikit-learn？

没有。不是X。 X 必须始终是 [n_samples, n_features] 的二维向量。我说的是y（这是上面sn-p 中唯一不同的代码）。 y 可以是列向量 [n_samples,1] 或只是 [n_samples,]。

当我将SVR 与y.shape = (n_samples,1) 的列向量一起使用时，我得到一个DataConversionWarning。至于X，我仍然不清楚为什么sklearn 不会自动理解，如果我将(n,) 的形状传递给n_samples=n 和n_features=1。

是的，我确实收到了 y 的警告。为了更清楚，我添加了一个答案。希望对你有帮助

【参考方案1】：

当您执行y = np.random.rand(10) 时，y 是[10,] 的一维数组。它是行向量还是列向量都没有关系。它只是一个只有一维的向量。查看this answer 和this too 以了解其背后的理念。

它是“numpy 哲学”的一部分。而 sklearn 依赖于 numpy。

至于你的评论：-

为什么 sklearn 不会自动理解，如果我将形状 (n,) 传递给它，则 n_samples=n 和 n_features=1

sklearn 可能不会仅根据 X 数据推断其 n_samples=n and n_features=1 还是其他方式 (n_samples=1 and n_features=n)。它可以完成，如果 y 被传递，这可以明确n_samples。

但这意味着更改所有依赖于这种语义的代码，这可能会破坏很多东西，因为sklearn 严重依赖numpy 操作。

您可能还想查看以下讨论类似问题的链接。

https://github.com/scikit-learn/scikit-learn/issues/4509 https://github.com/scikit-learn/scikit-learn/issues/4512 https://github.com/scikit-learn/scikit-learn/issues/4466 https://github.com/scikit-learn/scikit-learn/pull/5152