标准标量拟合变换的误差

Question

 import numpy as np
 import matplotlib.pyplot as plt
 import pandas as pd

 dataset = pd.read_csv('Position_Salaries.csv')
 X = dataset.iloc[:, 1:2].values
 y = dataset.iloc[:, 2].values

from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
sc_y = StandardScaler()
X = sc_X.fit_transform(X)
y = sc_y.fit_transform(y)

好的，这就是问题所在。 X和y都是单一特征，并且只有一列。如您所见，X是一个矩阵。y是向量 X=dataset.iloc[：，1:2].值 y=dataset.iloc[：，2].值

现在当我运行y = sc_y.fit_transform(y)时，我得到的错误是它是一个1D数组。如果我改变y = dataset.iloc[:, 2:3].values使其成为二维数组。 但我希望它保持1D数组，因为它是因变量，并且希望它保持这种状态。此外，我还解决了之前的不同例子，其中我必须重新缩放类似的数据，但它没有给我这种错误。不知道为什么现在给我。此外，我正在看一个视频，而编码和在视频一切都是一样的，但他没有得到任何错误。

Answer 1

from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X = sc_X.fit_transform(X)

sc_y = StandardScaler()
y = np.array(y).reshape(-1,1)
y = sc_y.fit_transform(y)
y = y.flatten()

Answer 2

StandardScaler用于处理1d数组，但有一个不推荐的警告：在0.17中不推荐将1d数组作为数据传递，并在0.19中引发ValueError。如果数据只有一个特征，请使用X.Reshape（-1,1）重塑数据；如果数据包含一个样本，请使用X.Reshape（1，-1）。

因此，遵循您正在寻找的解决方案：

sc_y = StandardScaler()
y = np.array(y).reshape(-1,1)
y = sc_y.fit_transform(y)
y = y.flatten()

Answer 3

StandardScaler用于处理特性，而不是标签或目标数据。 因此，仅适用于二维数据。有关文档，请参见此处：

• http://scikit-learn.org/stable/modules/preprocessing.html#standardization-or-mean-removal-and-variance-scaling

你能做的是，使用scale function。StandardScaler只是这个函数的包装器。

from sklearn.preprocessing import scale
y = scale(y)

或者，如果要使用StandarScaler，则需要将y重塑为如下所示的二维数组：

import numpy as np
y = np.array(y).reshape(-1,1)
y = sc_y.fit_transform(y)