是否可以在 scikit learn 中使用复数作为目标标签？答案

【问题标题】：Is it possible to use complex numbers as target labels in scikit learn?是否可以在 scikit learn 中使用复数作为目标标签？
【发布时间】：2026-01-23 15:15:02
【问题描述】：

我正在尝试使用 sklearn 来预测一个表示旋转的变量。由于在旋转极端情况下从 -pi 到 pi 的不幸跳跃，我认为更好的方法是使用复数作为目标。这样，从 1+0.01j 到 1-0.01j 的错误就不会那么具有破坏性了。

我找不到任何描述 sklearn 是否支持将复数作为分类器目标的文档。从理论上讲，距离度量应该可以正常工作，因此它至少应该适用于某些回归算法。

谁能建议我如何让回归算法以复数为目标进行操作？

【问题讨论】：

标签： python numpy scipy scikit-learn

【解决方案1】：

好问题。如何将角度转换为一对标签，即。 x 和 y 坐标。这些是角度的连续函数（cos 和 sin）。您可以将单独的 x 和 y 分类器的结果组合成一个角度吗？ $\theta = \sign(x) \arctan(y/x)$。但是，如果两个分类器都返回接近零的数字，则该结果将不稳定。

【讨论】：

仅供参考，numpy 有一个名为“arctan2”的便捷函数，它会在给定 x 和 y 偏移的情况下返回带有正确象限的 theta。

【解决方案2】：

多个回归器支持多维回归目标。只需将复数视为 2d 点。

【讨论】：

为了让 andy 的回答更清楚，我所知道的任何 sklearn 回归器都不会接受目标变量（也不是输入变量）中的复数。假设 32 或 64 位浮点数。不过，复变量的实部和虚部的显式 2D 浮点编码应该可以工作。

【解决方案3】：

到目前为止，我发现大多数分类器，如线性回归器，都会自动将复数转换为实部。

但是，kNN 和 RadiusNN 回归器工作良好 - 因为它们对相邻标签进行加权平均，因此可以优雅地处理复数。

使用多目标分类器是另一种选择，但是我不想将 x 和 y 方向解耦，因为当两个结果都接近 0 时，这可能会导致不稳定的解决方案，正如 Panic 上校提到的那样。

我将尝试其他具有复杂目标的分类器并在此处更新结果。

【讨论】：

确实，正如 Panic 上校所说，使用复杂目标的范数和相位，使用 2D 浮点编码而不是实数和虚数部分可能对您的问题更有意义。