代码之家 › 专栏 › 技术社区 › Chris Arthur

scikit学习中的预处理-单个样本-折旧警告

deprecation-warning scikit-learn python

Chris Arthur · 技术社区 · 9 年前

在Ubuntu下的Anaconda新安装上……在使用Scikit Learn进行分类任务之前,我正在以各种方式预处理我的数据。

from sklearn import preprocessing

scaler = preprocessing.MinMaxScaler().fit(train)
train = scaler.transform(train)    
test = scaler.transform(test)

这一切都很好,但如果我有一个新的样本(下面是临时的),我想进行分类(因此我想以相同的方式进行预处理),那么我会得到

temp = [1,2,3,4,5,5,6,....................,7]
temp = scaler.transform(temp)

然后我收到一个不推荐的警告。。。

DeprecationWarning: Passing 1d arrays as data is deprecated in 0.17 
and will raise ValueError in 0.19. Reshape your data either using 
X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1)
if it contains a single sample.

所以问题是我应该如何像这样重新缩放单个样本?

我想另一种选择(不是很好的选择)是。。。

temp = [temp, temp]
temp = scaler.transform(temp)
temp = temp[0]

但我相信还有更好的方法。

8 回复 | 直到 8 年前

Prometheus 5 年前

听听警告告诉你的:

如果数据只有一个特征/列,则可以使用X.Reshape(-1,1)重塑数据如果X.reshape(1,-1)包含单个样本。

对于示例类型(如果您有多个要素/列):

temp = temp.reshape(1,-1)

对于一个特征/列:

temp = temp.reshape(-1,1)

Ami Tavory 9 年前

事实上,看起来警告告诉你该怎么做。

作为的一部分 sklearn.pipeline stages' uniform interfaces ,根据经验法则:

当你看到 X ,它应该是 np.array 具有二维
当你看到 y ,它应该是 np阵列 具有单一维度。

因此,您应考虑以下事项:

temp = [1,2,3,4,5,5,6,....................,7]
# This makes it into a 2d array
temp = np.array(temp).reshape((len(temp), 1))
temp = scaler.transform(temp)

Bharath M Shetty 7 年前

这可能会有所帮助

temp = ([[1,2,3,4,5,6,.....,7]])

Arun Vinoth PrecogTechnologies 7 年前

.values.reshape(-1,1) 将在没有警报/警告的情况下接受

.reshape(-1,1) 将被接受,但与贬低战争

shan89 7 年前

我面临着同样的问题,也得到了同样的警告。当我收到消息时,我正在使用一个[23276]的numpy数组。我试着按照警告重塑它,结果一无所获。然后我从numpy数组中选择每一行(因为我一直在迭代),并将其分配给一个列表变量。当时它毫无征兆地工作了。

array = []
array.append(temp[0])

然后,您可以使用python列表对象(此处为“数组”)作为sk-learn函数的输入。不是最有效的解决方案,但对我有效。

vimuth 5 年前

你总是可以像这样重塑:

temp = [1,2,3,4,5,5,6,7]

temp = temp.reshape(len(temp), 1)

因为,主要的问题是当你的temp.shape是: (8,)

你需要 (8,1)

Kuntal Bhattacharjee 2 年前

-1是数组的未知维度。阅读有关“newshape”参数的更多信息 numpy.reshape 文件-

# X is a 1-d ndarray

# If we want a COLUMN vector (many/one/unknown samples, 1 feature)
X = X.reshape(-1, 1)

# you want a ROW vector (one sample, many features/one/unknown)
X = X.reshape(1, -1)

gregor256 2 年前

from sklearn.linear_model import LinearRegression
X = df[['x_1']] 
X_n = X.values.reshape(-1, 1)
y = df['target']  
y_n = y.values
model = LinearRegression()
model.fit(X_n, y)

y_pred = pd.Series(model.predict(X_n), index=X.index)