fit_transform的一点小姿势
来源:互联网 发布:安祖赛弗的数据1 编辑:程序博客网 时间:2024/05/16 09:45
- 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.
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
阅读全文
0 0
- fit_transform的一点小姿势
- 记录一点小姿势
- fit_transform和transform的区别
- php你可能忽略的小姿势
- 每天一点新姿势:spring事务的学习
- 每天一点小姿势——异常死机怎么办(1)
- 每天一点小姿势——C语言语法记不住咋办(2)
- 通俗地讲清楚fit_transform()和transform()的区别
- scikit-learn数据预处理fit_transform()与transform()的区别
- scikit-learn数据预处理fit_transform()与transform()的区别(转)
- 数据预处理sklearn.preprocessing中,fit_transform()和transform()的区别?
- 【机器学习 数据预处理】fit_transform()和transform()的区别
- 小姿势--Git
- CSS小姿势
- 小姿势--CSS
- 小姿势--JS
- 日常小姿势~~
- fit_transform,transform
- 常用的 Eclipse 开发快捷键技巧
- Mybatis的配置文件
- oralce 提高查询效率 给条件字段添加索引 sql
- 关于mac os终端输入密码没反应的问题
- mysql 索引总结
- fit_transform的一点小姿势
- 关于线程安全的记录以及python GIL
- JSP
- FreeSWITCH学习笔记 第一场 第七个镜头 利用客户端(FS_Cli)执行呼叫
- redis error 28 Mar creating server tcp listening socket *:6379: listen:unknown error
- 怎么判断特征选择的好坏
- 模电、数电笔记-----笔记
- Boost算法库——搜索算法(Knuth-Morris-Pratt Search)
- 关于支付宝的支付流程