エラー "代わりに1次元配列があります" OneHotEncoderの使用

Question

私はMachine Learningの初心者で、エラーを処理しようとしていますが、OneHotEncoderクラスを使用しています。エラーは： "期待された2D配列、代わりに1D配列を得ました"。ですから、1D配列を考えると、[1,4,5,6]のようなものですが、2次元配列は[[2,3], [3,4], [5,6]]となりますが、なぜこれが失敗するのか分かりません。これは、この行に失敗しています：ここで

X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray() 

は私の全体のコードです：

# Import Libraries 
import numpy as np 
import matplotlib.pyplot as plt 
import pandas as pd 

# Import Dataset 
dataset = pd.read_csv('Data2.csv') 
X = dataset.iloc[:, :-1].values 
y = dataset.iloc[:, 5].values 
df_X = pd.DataFrame(X) 
df_y = pd.DataFrame(y) 

# Replace Missing Values 
from sklearn.preprocessing import Imputer 
imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0) 
imputer = imputer.fit(X[:, 3:5 ]) 
X[:, 3:5] = imputer.transform(X[:, 3:5]) 


# Encoding Categorical Data "Name" 
from sklearn.preprocessing import LabelEncoder, OneHotEncoder 
labelencoder_x = LabelEncoder() 
X[:, 0] = labelencoder_x.fit_transform(X[:, 0]) 

# Transform into a Matrix 
onehotencoder1 = OneHotEncoder(categorical_features = [0]) 
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray() 

# Encoding Categorical Data "University" 
from sklearn.preprocessing import LabelEncoder 
labelencoder_x1 = LabelEncoder() 
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1]) 

私はあなたが私はラベルした2列を持っていることを、このコードで伝えることができます確信しています。私はLabel Encoderを使ってこれらの列を数値に変換しました。私はラベルをエンコードする方法だった頭に浮かんだ

0 1 0 
1 0 1 

唯一のもの：各行はこのようなものを持っているでしょうので、私はさらに一歩それを取るとマトリックスにこれらを回すためにOneHotEncoder使用したいと思います。私はそれらを一度に行うのではなく、一つずつやりました。これが問題であるかどうかはわかりません。

私はこのような何かを期待していた：あなた以下

# Encoding Categorical Data "Name" 
from sklearn.preprocessing import LabelEncoder, OneHotEncoder 
labelencoder_x = LabelEncoder() 
X[:, 0] = labelencoder_x.fit_transform(X[:, 0]) 

# Transform into a Matrix 
onehotencoder1 = OneHotEncoder(categorical_features = [0]) 
X[:, 0] = onehotencoder1.fit_transform(X[:, 0]).toarray() 

# Encoding Categorical Data "University" 
from sklearn.preprocessing import LabelEncoder, OneHotEncoder 
labelencoder_x1 = LabelEncoder() 
X[:, 1] = labelencoder_x1.fit_transform(X[:, 1]) 

# Transform into a Matrix 
onehotencoder2 = OneHotEncoder(categorical_features = [1]) 
X[:, 1] = onehotencoder1.fit_transform(X[:, 1]).toarray() 

は私の全体のエラーがあります：

File "/Users/jim/anaconda3/lib/python3.6/site-packages/sklearn/utils/validation.py", line 441, in check_array 
    "if it contains a single sample.".format(array)) 

ValueError: Expected 2D array, got 1D array instead: 
array=[ 2. 1. 3. 2. 3. 5. 5. 0. 4. 0.]. 
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. 

右方向に任意のヘルプは素晴らしいことです。

Answer 1

これはsklearn OneHotEncoderの問題で、 https://github.com/scikit-learn/scikit-learn/issues/3662で発生しています。ほとんどのscikit学習推定量は、1次元配列ではなく2次元配列を必要とします。

標準的な方法は、多次元配列を含めることです。 onehotencodingのカテゴリとして扱う列をcategorical_features = [0]に指定しているので、次の行を次のように書き換えて、データセット全体またはその一部を取り込むことができます。これは、多次元配列を操作しながら、ダミー変換に分類するための最初の列のみを考慮します。

onehotencoder1 = OneHotEncoder(categorical_features = [0]) 
X = onehotencoder1.fit_transform(X).toarray() 

（私はあなたのデータセットはもうカテゴリ値を持っていません願っています。私は、その後、最初のonehotencodeをすべてをlabelencodeするあなたに助言するだろう。

Answer 2

私は

を追加することにより、修正に出くわした

X = X.reshape（-1,1）

エラーがこの