sklearn、LassoCV()和ElasticCV()已损坏

Question

sklearn为回归估计提供了LASSO方法。然而，当我试图用矩阵y来拟合LassoCV（X，y）时，它会抛出一个错误。请参阅下面的屏幕截图，以及他们文档的链接。我使用的sklearn版本是0.15.2。

http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LassoCV.html#sklearn.linear_model.LassoCV

它的文件说y可以是ndarray:

y : array-like, shape (n_samples,) or (n_samples, n_targets)

当我只使用拉索（）来适应相同的X和y时，它工作得很好。所以我想知道是LassoCV（）坏了，还是我需要做其他事情？

In [2]:  import numpy as np 
im
In [3]: import sklearn.linear_model
In [4]: from sklearn import linear_model
In [5]: X = np.random.random((10,100))
In [6]: y = np.random.random((50, 100)) 
In [7]: linear_model.Lasso().fit(X,y) 
Out[7]: 
Lasso(alpha=1.0, copy_X=True, fit_intercept=True, max_iter=1000,
   normalize=False, positive=False, precompute='auto', tol=0.0001,
   warm_start=False)
In [8]: linear_model.LassoCV().fit(X,y)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-8-9c8ad3459ac8> in <module>()
----> 1 linear_model.LassoCV().fit(X,y)
/chimerahomes/wenhoujx/Enthought/Canopy_64bit/User/lib/python2.7/site-packages/sklearn/linear_model/coordinate_descent.pyc in fit(self, X, y)
   1006             if y.ndim > 1:
   1007                 raise ValueError("For multi-task outputs, use "
-> 1008                                  "MultiTask%sCV" % (model_str))
   1009         else:
   1010             if sparse.isspmatrix(X):
ValueError: For multi-task outputs, use MultiTaskLassoCV
In [9]: 

---

看起来ElasticCV（）和Elastic（）对的情况是一样的，前者（）建议使用multitask-ElasticCV[（]，后者适用于2d矩阵。

Answer 1

与一些文档字符串中所写的相反，普通的lasso估计量，例如您正在使用的估计量，不支持多个目标。

错误消息告诉您使用MultiTaskLasso，这是一种组套索，它强制对每个目标提供相同的稀疏支持。如果这是你需要的，那就继续使用它。如果不是，到目前为止，除了在目标之间循环之外，没有其他有用的方法，你可以使用sklearn.externals.joblib尴尬地并行化。

（如果你想为独立目标提供多目标支持，那么github上的pull请求将非常受欢迎。）