為什么在這種情況下我需要使用 ravel() ？

Question

我真的很困惑為什么在將數據擬合到 SGDRegressor 之前需要使用 ravel()。

這是代碼：

from sklearn.linear_model import SGDRegressor
sgd_reg = SGDRegressor(max_iter = 1000, tol = 1e-3, penalty = None, eta0= 0.1)
sgd_reg.fit(X, y.ravel())

這些是 X 和 y 的形狀：

>>> X.shape
(100, 1)

>>> y.shape
(100, 1)

>>> y.ravel().shape
(100,)

Answer 1

將y視為一個二維矩陣，盡管它只有一列。 但是fit方法期望y是一個平面數組。 這就是為什么您必須使用ravel將 2d 轉換為 1d 數組的原因。

在機器學習論文和教科書中，將y寫成矩陣是很常見的，因為它可以簡化矩陣相乘時的符號。 但是你也可以把它寫成一個簡單的一維向量。 你可以說它沒有區別，因為在任何一種情況下它實際上只有一個維度，但是在數學上和在 Python 實現中，矩陣和向量是兩個不同的對象。