fit_transform的一点小姿势

• 
  
• 回顾fit_transform和transform的区别——
• 二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）
• fit_transform(partData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该partData进行转换transform，从而实现数据的标准化、归一化等等。。
• 根据对之前部分fit的整体指标，对剩余的数据（restData）使用同样的均值、方差、最大最小值等指标进行转换transform(restData)，从而保证part、rest处理方式相同。
• 必须先用fit_transform(partData)，之后再transform(restData)
• 如果直接transform(partData)，程序会报错
• 如果fit_transfrom(partData)后，使用fit_transform(restData)而不用transform(restData)，虽然也能归一化，但是两个结果不是在同一个“标准”下的，具有明显差异。

然后，本人在实际使用fit_transform时，发现：

ValueError: Expected 2D array, got 1D array instead:
array=[ 0.6670329  -2.31319475 -1.86019874 ..., -0.32550257 -0.52007306
 -0.3958264 ].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

提示需要reshape。

将fit_transform(dataset3_preds.label)变为，fit_transform(dataset3_preds.label.reshape(-1,1)) 即可

至于reshape(-1,1)的作用，可参考http://www.cnblogs.com/iamxyq/p/6683147.html