RANSACRegressor throws "less than two samples" warnings

[ablot]

I have:

/camp/home/blota/.conda/envs/iss-preprocess/lib/python3.10/site-packages/sklearn/metrics/_regression.py:918: UndefinedMetricWarning: R^2 score is not well-defined with less than two samples.
  warnings.warn(msg, UndefinedMetricWarning)

It's triggered in correct_shifts_to_ref (L464 in masked_phase_corr branch) even with 52 samples. I did not investigate more than checking what triggers it. Did you get that @znamensk ?

reg = RANSACRegressor(random_state=0).fit(
                X[inliers, :], shifts[ich, idim, inliers]
            )

To make it easier to reproduce:

import numpy as np
from sklearn.linear_model import RANSACRegressor
y = np.array([ 64.,  36.,  36.,  33.,  32.,  35.,  34.,  33.,  32.,  89.,  36.,
        30.,  34.,  32.,  36.,  34.,  34.,  34., 408.,  39.,  35.,  36.,
        35.,  35.,  34., 231.,  43.,  35.,  34.,  34.,  36.,  34.,  35.,
        33., 220., 295., 268.,  35.,  35.,  35.,  36.,  37.,  54., 149.,
       213., 272., 204.,  43.,  36.,  40.,  37.,  12.])
X = np.array([[0., 0., 1.],
       [0., 1., 1.],
       [0., 2., 1.],
       [0., 3., 1.],
       [0., 4., 1.],
       [0., 5., 1.],
       [0., 6., 1.],
       [0., 7., 1.],
       [0., 8., 1.],
       [1., 0., 1.],
       [1., 1., 1.],
       [1., 2., 1.],
       [1., 3., 1.],
       [1., 4., 1.],
       [1., 5., 1.],
       [1., 6., 1.],
       [1., 7., 1.],
       [1., 8., 1.],
       [2., 0., 1.],
       [2., 1., 1.],
       [2., 2., 1.],
       [2., 5., 1.],
       [2., 6., 1.],
       [2., 7., 1.],
       [2., 8., 1.],
       [3., 0., 1.],
       [3., 1., 1.],
       [3., 2., 1.],
       [3., 3., 1.],
       [3., 4., 1.],
       [3., 5., 1.],
       [3., 6., 1.],
       [3., 7., 1.],
       [3., 8., 1.],
       [4., 0., 1.],
       [4., 1., 1.],
       [4., 2., 1.],
       [4., 3., 1.],
       [4., 4., 1.],
       [4., 5., 1.],
       [4., 6., 1.],
       [4., 7., 1.],
       [4., 8., 1.],
       [5., 0., 1.],
       [5., 1., 1.],
       [5., 2., 1.],
       [5., 3., 1.],
       [5., 4., 1.],
       [5., 5., 1.],
       [5., 6., 1.],
       [5., 7., 1.],
       [5., 8., 1.]])

reg = RANSACRegressor(random_state=0).fit(X,y)