我正在尝试研究一个关于机器学习的示例脚本：线性模型系数解释中的常见陷阱，但我对其中的一些步骤感到困惑。脚本的开头看起来是这样的：
import numpy as npimport scipy as spimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.datasets import fetch_openmlsurvey = fetch_openml(data_id=534, as_frame=True)# 我们识别特征 `X` 和目标 `y`：列 WAGE 是我们的# 目标变量（即我们想要预测的变量）。X = survey.data[survey.feature_names]X.describe(include="all")X.head()# 我们预测的目标是工资。y = survey.target.values.ravel()survey.target.head()from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)train_dataset = X_train.copy()train_dataset.insert(0, "WAGE", y_train)_ = sns.pairplot(train_dataset, kind='reg', diag_kind='kde')我的问题出在以下几行：
y = survey.target.values.ravel()survey.target.head()如果我们在这几行之后立即检查 survey.target.head()，输出是
Out[36]: 0 5.101 4.952 6.673 4.004 7.50Name: WAGE, dtype: float64模型如何知道 WAGE 是目标变量？不需要明确声明吗？
回答：
行 survey.target.values.ravel() 旨在将数组展平，但在本例中这是不必要的。survey.target 是一个 pandas Series（即一列数据框），而 survey.target.values 是一个 numpy 数组。由于 survey.target 只有一个列，你可以使用两者进行训练/测试拆分。
type(survey.target)pandas.core.series.Seriestype(survey.target.values)numpy.ndarray如果我们只使用 survey.target，你可以看到回归仍然有效：
y = survey.targetX_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)train_dataset = X_train.copy()train_dataset.insert(0, "WAGE", y_train)sns.pairplot(train_dataset, kind='reg', diag_kind='kde')
如果你有另一个数据集，例如 iris，我想对花瓣宽度进行回归。你可以使用方括号 [] 来调用数据框的列：
from sklearn.datasets import load_irisfrom sklearn.linear_model import LinearRegressiondat = load_iris(as_frame=True).frameX = dat[['sepal length (cm)','sepal width (cm)','petal length (cm)']]y = dat[['petal width (cm)']]X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)LR = LinearRegression()LR.fit(X_train,y_train)plt.scatter(x=y_test,y=LR.predict(X_test))
