You need to enable JavaScript to run this app. 为什么TransformedTargetRegressor的func参数需返回二维而非一维数组
优惠活动
大模型
产品
解决方案
定价
更多

为什么TransformedTargetRegressor的func参数需返回二维而非一维数组

TransformedTargetRegressor的func参数维度问题解答

核心原因可以从两方面解释:

  • 官方文档要求func返回二维数组,是遵循scikit-learn的统一API设计规范。框架内所有回归器处理单输出目标时,统一使用(n_samples, 1)格式的二维数组,能最大程度避免不同算子之间的广播计算错误,文档标注的是最严谨的合规要求。
  • 实际使用时一维输出也能正常运行,是因为TransformedTargetRegressor内部做了自动维度兼容处理:无论你传入的原始y是(n_samples,)的一维数组,还是func返回的转换后目标是一维结构,框架都会自动调用reshape方法将其转为符合规范的二维格式;在调用inverse_func得到预测结果后,也会自动把二维结果转回和原始y形状一致的一维结构,不需要用户手动处理维度转换。

你提供的示例代码能正常运行,是因为你用到的对数、指数转换都是逐元素计算的函数,不管输入是一维还是二维,输出结构都和输入匹配,框架的自动适配逻辑完全可以抹平一维和二维的差异,不会触发报错。

exponentiate = lambda x: np.exp(x)
naturalLog = lambda x: np.log(x)
loglinreg = compose.TransformedTargetRegressor(regressor=linear_model.LinearRegression(),func=naturalLog,inverse_func=exponentiate)
loglinreg.fit(X_train,yCO_train)
loglinreg.score(X_train,yCO_train)

额外提示:如果你用到的自定义转换函数对输入维度有严格要求,建议手动保证func的输入输出符合二维规范,避免特殊场景下的适配错误,普通场景下直接返回一维数组是完全可用的。

内容的提问来源于stack exchange,提问作者Anirban Chakraborty

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 15:27:04