Я использую scikit-learn для регрессии, и моя проблема заключается в следующем. Мне нужно сделать регрессию по нескольким параметрам (векторам). Это отлично работает с некоторыми подходами к регрессии, такими как ансамбль .ExtraTreesRegressor и ансамбль. RandomForestRegressor. Действительно, вектор двух векторов в качестве мишеней может соответствовать вектору (метод fit (X, y)) для двух вышеупомянутых методов регрессии. Однако, когда я пытаюсь использовать ансамбль .GradientBoostingRegressor, ensemble.AdaBoostRegressor и linear_model.SGDRegressor, классификатор не подходит для модели, потому что он ожидает 1D-значений в качестве целей (аргумент y метода fit (X, y)). Это означает, что с помощью этих методов регрессии я могу оценить только один параметр за раз. Это не подходит для моей проблемы, потому что это может занять некоторое время, так как мне нужно оценить около 20 параметров. С другой стороны, я действительно хотел бы попробовать эти подходы.
Итак, мой вопрос: кто-нибудь знает, есть ли решение, чтобы соответствовать модели один раз и оценить несколько параметров для ансамбля. GradientBoostingRegressor, ensemble.AdaBoostRegressor и linear_model.SGDRegressor?
Надеюсь, я был достаточно ясен...