scikit学习中的预处理-单个样本-折旧警告

Question

在Ubuntu下全新安装的Anaconda …在使用Scikit-Learn进行分类任务之前，我将以各种方式预处理数据。

from sklearn import preprocessing

scaler = preprocessing.MinMaxScaler().fit(train)
train = scaler.transform(train)    
test = scaler.transform(test)

这一切都很好，但是如果我有一个要分类的新样本（下面的温度）（因此我想以相同的方式进行预处理，那么我会

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

然后我会收到弃用警告…

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像这样缩放单个样本？

我想一种替代方法（不是很好）是…

temp = [temp, temp]
temp = scaler.transform(temp)
temp = temp[0]

但是我相信有更好的方法。

Answer 1

只需听听警告告诉您的内容：

如果数据具有单个要素/列，则重塑数据X.reshape（-1，1），如果包含单个样本，则重塑X.reshape（1，-1）。

对于您的示例类型（如果您有多个要素/列）：

temp = temp.reshape(1,-1)

对于一个功能/列：

temp = temp.reshape(-1,1)