Python 在scikit learn中是否可以使用复数作为目标标签？

我试图用sklearn来预测一个代表旋转的变量。由于在极端旋转时从-pi到pi的不幸跳跃，我认为更好的方法是使用复数作为目标。这样，从1+0.01j到1-0.01j的误差就没有那么严重了

我找不到任何文档描述sklearn是否支持复数作为分类器的目标。从理论上讲，距离度量应该可以很好地工作，因此它至少应该适用于某些回归算法

---

有谁能建议我如何得到一个以复数为目标的回归算法吗？

好问题。如何将角度转换为一对标签，即。x和y坐标。这些是角度（cos和sin）的连续函数。您可以将单独的x和y分类器的结果合并为一个角度$\θ=\sign（x）\arctan（y/x）$。但是，如果两个分类器都返回接近零的数字，则结果将不稳定。

多个回归器支持多维回归目标。只需将复数视为二维点。

到目前为止，我发现大多数分类器，如线性回归器，会自动将复数转换为真实部分

然而，kNN和RADIUSN回归器工作得很好——因为它们对相邻标签进行加权平均，所以可以优雅地处理复数

使用多目标分类器是另一种选择，但是我不想解耦x和y方向，因为这可能会导致不稳定的解决方案，正如Panic上校所提到的，当两个结果接近0时

---

我将尝试其他具有复杂目标的分类器，并在此处更新结果。

为了让andy的答案更清楚，我所知道的任何sklearn回归器都不会接受目标变量（或输入变量）中的复数。假定32位或64位浮动。不过，复变量实部和虚部的显式2D浮点编码应该可以工作。仅供参考，numpy有一个名为“arctan2”的简便函数，它将返回θ，并在给定x和y偏移量的情况下返回正确的象限。事实上，正如Panic上校所提到的，使用复杂目标的范数和相位，用2D浮点编码代替实部和虚部，可能对您的问题更有意义。