Почему метод fit в Sklearn's LinearRegression принимает только 2D-массив для значений x, а 1D-массивы для значений y?

Question

В основном только название. Мне показалось странным, когда я опустил пальцы в библиотеку sklearn. Есть ли объяснение этому?

Answer 1

Это так, как это было задумано при выборе методов fit моделей ML в scikit-learn afaik. В основном это соответствует спецификации формы ввода: (n_samples, n_features):

X : {array-like, sparse matrix} of shape (n_samples, n_features)
     Training vector, where n_samples is the number of samples and
     n_features is the number of features.

, которая также указана прямо в верхней части check_array, этап проверки, на котором возникает ошибка:

Input validation on an array, list, sparse matrix or similar.
By default, the input is checked to be a non-empty 2D array containing
only finite values. If the dtype of the array is object, attempt
converting to float, raising on failure.

LinearRegression действительно действительно принимает 2D целевых массивов, хотя в этом случае она будет выполнить множественную линейную регрессию.