在StandardScalar Fit_Transform

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，并且有一列。如您所见，X是矩阵。 y是向量      X = dataset.iloc [：，1：2] .values      y = dataset.iloc [：，2] .values

现在当我运行y = sc_y.fit_transform(y)时，我得到的错误是它是一维数组。如果我改变y = dataset.iloc[:, 2:3].values使其成为2D数组。 但我希望它保留为1D数组，因为它的因变量并希望它保持这种状态。此外，我解决了早期不同的例子，我不得不重新缩放类似的数据，它没有给我这种错误。不知道为什么现在给我。此外，我在编码时观看视频，在视频中一切都是一样的，但他没有任何错误。

Answer 1

StandardScaler旨在处理功能，而不是标签或目标数据。 因此仅适用于二维数据。请参阅此处获取文档：

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

您可以使用scale function。 StandardScaler只是这个函数的包装器。

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

或者如果您想使用StandarScaler，您需要将y重塑为2-d数组，如下所示：

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

Answer 2

StandardScaler曾经与一维数组一起使用，但与DeprecationWarning一起使用：在0.17中弃用数据时传递一维数组，在0.19中将引发ValueError。如果数据具有单个功能，则使用X.reshape（-1,1）来重塑数据，如果包含单个样本，则使用X.reshape（1，-1）来重塑数据。

因此，遵循您要寻找的解决方案：

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

Answer 3

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 4

您可以使用flatten从2D数组中获取一维数组：

y.flatten()