scikit learn中的预处理-单个样本-折旧警告

Question

在 Ubuntu 下全新安装 Anaconda...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，但是如果我有一个新的样本（温度低于）我想分类（因此我想以同样的方式进行预处理，那么我得到

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

然后我收到弃用警告...

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重新调整这样的单个样本？

我想另一种选择（不是很好）是......

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

但我相信还有更好的方法。

Answer 1

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，主要问题是当你的 temp.shape 是： (8,)

你需要 (8,1)

Answer 2

只要听听警告告诉你什么：

如果您的数据具有单个特征/列，则使用 X.reshape(-1, 1) 重塑您的数据 和 X.reshape(1, -1) 如果它包含单个样本。

对于您的示例类型（如果您有多个功能/列）：

temp = temp.reshape(1,-1) 

对于一个特征/列：

temp = temp.reshape(-1,1)

Answer 3

.values.reshape(-1,1) 将被接受而不会发出警报/警告

.reshape(-1,1) 将被接受，但有弃用战争

Answer 4

我遇到了同样的问题并收到了同样的弃用警告。当我收到消息时，我正在使用一个 [23, 276] 的 numpy 数组。我尝试根据警告对其进行重塑，但最终无济于事。然后我从 numpy 数组中选择每一行（因为我一直在迭代它）并将其分配给一个列表变量。它在没有任何警告的情况下工作。

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，但对我有用。

Answer 5

这可能会有所帮助

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

Answer 6

嗯，看起来警告实际上是在告诉你该怎么做。

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

• 当你看到X时，它应该是一个二维的np.array

• 当您看到y 时，它应该是一个单一维度的np.array。

因此，您应该考虑以下几点：

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)