为什么在这种情况下我需要使用 ravel() ？

Question

我真的很困惑为什么在将数据拟合到 SGDRegressor 之前需要使用 ravel()。

这是代码：

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())

这些是 X 和 y 的形状：

>>> X.shape
(100, 1)

>>> y.shape
(100, 1)

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

Answer 1

将y 视为一个二维矩阵，尽管它只有一列。但是fit 方法期望y 是一个平面数组。这就是为什么您必须使用ravel 将二维数组转换为一维数组的原因。

在机器学习论文和教科书中很常见将y写成矩阵，因为它可以简化矩阵相乘时的符号。但是你也可以把它写成一个简单的一维向量。你可以说它没有区别，因为在任何一种情况下它实际上只有一个维度，但在数学上和 Python 实现中，矩阵和向量是两个不同的对象。