python - 具有多个连续目标的 scikit-learn 回归

Question

我想对输入具有多个特征且输出具有多个连续目标的数据集执行回归。

我一直在查看 sklearn 文档，但我发现的唯一多目标示例有 1）一组离散的目标标签或 2）使用像 KNN 这样的启发式算法，而不是像回归这样的基于优化的算法。添加正则化也很好，但即使是简单的最小二乘，我也找不到方法。这是一个非常简单、平滑的优化问题，所以如果它还没有在某个地方实现，我会感到震惊。如果有人能指出我正确的方向，我将不胜感激！

Answer 1

你可以在这里找到你要找的东西。

https://machinelearningmastery.com/multi-output-regression-models-with-python/

但是如果你有足够的数据（没有任何激活的输出层），最好尝试使用 Keras。

from keras.layers import Dense, Input
from keras.models import Model
from keras.regularizers import l2

num_inputs = 10
num_outputs = 4

inp = Input((num_inputs,))
out = Dense(num_outputs, kernel_regularizer=l2(0.01))(inp)

model = Model(inp, out)
model.compile(optimizer='sgd', loss='mse', metrics=['acc','mse'])

model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_9 (InputLayer)         (None, 10)                0         
_________________________________________________________________
dense_7 (Dense)              (None, 4)                 44        
=================================================================
Total params: 44
Trainable params: 44
Non-trainable params: 0
_________________________________________________________________