scikit-learn中fit函数传递y列的正确方式是什么？

两类模型对二维y的兼容性差异原因 #

scikit-learn中不同预估器的入参校验逻辑为单独实现，没有全局统一的强制规则：

• LinearRegression支持多输出回归任务，因此其fit方法逻辑允许y为二维结构，不管是shape为(n_samples, 1)的数组还是单列DataFrame，哪怕是单输出场景也可以正常兼容，不会触发警告。
• PoissonRegressor属于限定单输出的广义线性模型，其前置校验逻辑明确要求y必须是1维数组，传入单列DataFrame（对应数组shape为(n_samples, 1)）不符合校验要求，就会触发维度不匹配的警告。

y参数传递的官方标准规范 #

• 单输出任务：包括泊松回归、逻辑回归、SVM、决策树等绝大多数分类、回归场景，标准传参要求为1维结构，常用合法写法如下：
  • pandas场景：data["Y"]（返回Series，天然为1维结构）、data.loc[:, "Y"]、data[["Y"]].values.ravel()
  • numpy场景：y.ravel()、y.reshape(-1)
• 多输出任务：包括多目标回归、多标签分类等场景，可传入二维结构，pandas场景用data[["Y1", "Y2"]]格式，numpy场景传入shape为(n_samples, n_outputs)的数组即可。
  注：如果不确定当前使用的预估器是否支持二维y，单输出场景统一传入1维y是最稳妥的写法，可兼容所有scikit-learn预估器，不会触发任何警告或报错。

内容的提问来源于stack exchange，提问作者Snowflake