如何让scikit-learn的MultiOutputRegressor预测输出总和为100%？

给你几个可行的思路，按实现复杂度和贴合度排序：

1. 转换目标变量，减少输出维度 #

既然三个输出总和固定为100%，那完全可以把三个目标改成两个——比如保留前两个标签y1、y2，第三个标签y3直接用100 - y1 - y2计算得到。训练时只让模型预测y1和y2，预测完成后再推导y3。

这样做的好处是从根源上保证总和为100%，不需要额外处理，而且模型的训练逻辑完全适配线性回归的特性。唯一需要注意的是，要确保转换后的目标变量依然和输入特征有合理的线性关联，不会丢失信息。

示例代码大概是这样：

import numpy as np
from sklearn.multioutput import MultiOutputRegressor
from sklearn.linear_model import LinearRegression

# 处理训练数据，只取前两个标签
y_train_two = y_data[:, :2]
# 训练MultiOutputRegressor
model = MultiOutputRegressor(LinearRegression())
model.fit(X_data, y_train_two)
# 预测并推导第三个值
y_pred_two = model.predict(X_test)
y_pred_three = np.hstack([y_pred_two, 100 - y_pred_two.sum(axis=1, keepdims=True)])

2. 自定义带约束的回归模型 #

如果不想减少输出维度，也可以让模型在训练时就学习“总和为100%”的约束。LinearRegression本身是无约束的最小二乘，你可以自定义损失函数，加入对总和偏离的惩罚项，或者直接用带约束的优化方法。

比如用scipy.optimize.minimize实现带约束的线性回归，约束条件设为三个系数对应的预测值总和为100；或者用sklearn的SGDRegressor自定义损失函数，在损失中加入(sum(y_pred) - 100)^2的惩罚项，让模型在拟合时主动靠近约束。

这个方法的优势是模型从训练阶段就理解约束，预测结果更贴合原始问题逻辑，但实现起来需要对回归原理有一定了解，代码复杂度高一些。

3. 预测后归一化处理 #

这是最简单的权宜之计：先让MultiOutputRegressor正常预测三个值，然后对每个样本的三个预测结果做归一化，强制总和为100%。

具体操作就是，对每个样本的预测值[p1, p2, p3]，计算总和S = p1 + p2 + p3，然后每个值替换为(p/S)*100。

这个方法的优点是零代码改动，直接用现有模型即可，但缺点也很明显：归一化是事后修正，模型本身并没有学到约束，可能会扭曲原本的预测趋势，尤其是当原始预测值偏离合理范围时（比如出现负数），归一化后的结果可能不符合实际意义。

内容的提问来源于stack exchange，提问作者Richard