在scikitlearn中传递fit函数中y列的正确方法

Question

我想知道在fit函数中传递列的正确方法是什么。例如，我有：

# Lin. regression
lin_reg = LinearRegression().fit(data[["X"]], 
                                 data[["Y"]])
#Poisson regression
log_reg = PoissonRegressor().fit(data[["X"]], 
                                 data.loc[:, "Y"])

因此，在线性回归中，上面显示的行只起作用，即使我将y列作为data[["Y"]]传递。如果我在泊松回归中这样做（例如，见下文）

log_reg = PoissonRegressor().fit(data[["X"]], 
                                 data[["Y"]])

它将发出警告“当需要1d数组时传递了列向量y。请将y的形状更改为（n_samples），例如使用ravel（）

现在，我想知道将y值传递给scikit learn的正确方法是什么，以及线性回归是如何不产生任何问题的

我完全知道data[["Y"]]会产生一个数据帧，所以我猜这就是区别，但我不确定为什么线性回归会接受一个数据帧，而泊松回归不会

因此，向scikit learn传递y值的正确方法是什么

Answer 1

传递y的正确方法是传递类似于相应方法的指定形状的数组。所以你需要知道两件事：

1）数组是什么样的？

可以在here中找到构成类似数组的内容的引用。任何指定的对象都是有效的，可以使用。我相信没有特别的偏好，因为scikit-learn会在内部将它们转换为numpy数组

2）需要什么形状？

使用您的示例，您将看到LinearRegression和PoissonRegressor的fit方法将接受不同的形状

这里是LinearRegression：

y: array-like of shape (n_samples,) or (n_samples, n_targets)

下面是PoissonRegressor：

y: array-like of shape (n_samples,)

因为LinearRegression确实支持多输出回归，所以它接受类似于(n_samples, n_targets)形状的数组，在您的例子中也可能类似于(n_samples, 1)。所以没有问题

另一方面PoissonRegressor只允许(n_samples,)的形状。这就是为什么它抱怨你的输入不符合规范

但是，请注意，它仍然可以工作，因为它可以将数据转换为指定的形状。但是您会得到一个警告，这样您就知道这里只使用1d数组，因为不支持（潜在的）多输出

如果要避免任何问题，请按照错误消息的建议，使用ravel将输入平坦化。例如，在您的案例中：

log_reg = PoissonRegressor().fit(data[["X"]], 
                                 data[["Y"]].values.ravel())

values返回相应的numpy数组ravel将其转换为1d数组