scikit learn中的预处理-单个样本-折旧警告

Posted 2023-03-12

【中文标题】scikit learn中的预处理-单个样本-折旧警告

【英文标题】：Preprocessing in scikit learn - single sample - Depreciation warning

【发布时间】：2016-05-07 01:08:42

【问题描述】：

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。

【问题讨论】：

嗯……你自己回答了。它在警告中：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. 如果您的数据不是 numpy 数组，请先使用 np.array(data)。

【参考方案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)

【参考方案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)

【讨论】：

我不明白他们所说的单个样本是什么意思。 X.shape 返回 (891, 158) 。他们提出的两种解决方案中的任何一种都会出错，但如果我不对其进行重塑，我仍然会收到该警告。

不要重塑 X！它大约 y（目标）！ y 显然只有一列。前几天有同样的问题。花了我一个小时试图重塑 X ;-)

所以......我想知道有多少项目会在这最终成为错误的那一天打破。

除了按照它说的去做（或提供任何有效的输入，据我所知）不会使警告消失。

我很高兴看到这个回复。我收到了类似的错误，但是对于 python 和 numpy 来说是新手，解决方案并不明显。

【参考方案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

【参考方案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。

【参考方案5】：

这可能会有所帮助

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

【参考方案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)

【讨论】：

什么是'np'对象？

@Tajchert 很抱歉 - import numpy as np.

谢谢 :) 刚启动 Python，所以不明显

#This makes it into a 2d array temp = [1,2,3,4,5,5,6,....................,7] #an instance temp = np.array(temp).reshape((1, -1)) print(model.predict(temp))

这是否意味着sklearn决定不鼓励python原生列表？还有办法不使用numpy吗？