预期的二维数组错误未得到解决

Question

我正在尝试在数据集上使用我的机器学习模型，其中我只有两列，而标准缩放它们时，我得到了预期的 2D 数组的错误，但得到了 1。

下面是代码：

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

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

# Splitting the dataset into the Training set and Test set
"""from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)"""

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

# Fitting SVR to the dataset
from sklearn.svm import SVR
regressor = SVR(kernel = 'rbf')
regressor.fit(X, y)

# Predicting a new result
y_pred = regressor.predict(6.5)
y_pred = sc_y.inverse_transform(y_pred)

# Visualising the SVR results
plt.scatter(X, y, color = 'red')
plt.plot(X, regressor.predict(X), color = 'blue')
plt.title('Truth or Bluff (SVR)')
plt.xlabel('Position level')
plt.ylabel('Salary')
plt.show()

当我尝试放

y = sc_y.fit_transform([y])

像这样我没有收到任何错误，但是当我执行接下来的 3 行时，我收到另一个错误。

这是bad input shape (1, 10)

谁能帮我解决这个问题？

Answer 1

sklearn 中的 StandardScaler() 函数要求 input(X) 采用以下格式：

X : numpy 形状数组 [n_samples, n_features]

因此，如果您只有一个特征列，请将 X 重新整形为 (-1,1)。

sc_X.fit_transform(X.reshape[-1,1])

这应该可行！