为什么sklearn的LinearRegression中的fit方法只接受X值的2D数组，而接受Y值的1D数组？

Question

基本上只是标题。当我把脚趾伸进sklearn库时，我觉得很奇怪。对此有何解释

Answer 1

这就是scikit learn afaik中ML模型的fit方法的设计选择。这主要是为了与输入形状的规范保持一致：(n_samples, n_features)：

X : {array-like, sparse matrix} of shape (n_samples, n_features)
     Training vector, where n_samples is the number of samples and
     n_features is the number of features.

在^{}的顶部，也清楚地表明了这一点，即引发错误的验证步骤：

Input validation on an array, list, sparse matrix or similar.
By default, the input is checked to be a non-empty 2D array containing
only finite values. If the dtype of the array is object, attempt
converting to float, raising on failure.

LinearRegression确实接受2D目标数组，在这种情况下，它将执行多元线性回归