sklearn：sklearn.preprocessing配列の非推奨警告

Question

まず、私はすべての関連する質問を見ました。 非常に似た問題があります。
私はリンクからの提案に従ったが、どれも私のために働いていなかった。
Data Conversion Error while applying a function to each row in pandas Python
Getting deprecation warning in Sklearn over 1d array, despite not having a 1D array

私はまた、それもうまくいきませんでした、エラーメッセージに従うことを試みました。

コードは次のようになります。

# Importing the libraries 
import numpy as np 
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 

# avoid DataConversionError 
X = X.astype(float) 
y = y.astype(float) 


## Attempt to avoid DeprecationWarning for sklearn.preprocessing 
#X = X.reshape(-1,1)     # attempt 1 
#X = np.array(X).reshape((len(X), 1)) # attempt 2 
#X = np.array([X])     # attempt 3 


# 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(sc_X.transform(np.array([6.5]))) 
y_pred = sc_y.inverse_transform(y_pred) 

データは次のようになります。

Position,Level,Salary 
Business Analyst,1,45000 
Junior Consultant,2,50000 
Senior Consultant,3,60000 
Manager,4,80000 
Country Manager,5,110000 
Region Manager,6,150000 
Partner,7,200000 
Senior Partner,8,300000 
C-level,9,500000 
CEO,10,1000000 

完全なエラー・ログはこのように書き：

/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/preprocessing/data.py:586: 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. 
    warnings.warn(DEPRECATION_MSG_1D, DeprecationWarning) 
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/preprocessing/data.py:649: 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. 
    warnings.warn(DEPRECATION_MSG_1D, DeprecationWarning) 
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/preprocessing/data.py:649: 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. 
    warnings.warn(DEPRECATION_MSG_1D, DeprecationWarning) 
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/sklearn/utils/validation.py:395: 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. 
    DeprecationWarning) 

私は唯一の二使用しています第3の列であり、第1の列に対して1つのホットエンコーディングの必要はない。唯一の問題はDeprecationWarningです。

私はすべての提案を試みましたが、どれも働いていませんでした。
だから、本当に助けになるでしょう。

Answer 1

これは奇妙なものでした。非推奨の警告を取り除くために私が使用したコードは、StandardScaler（）にどのように適合し、transform（）と呼ばれるかを若干修正したものです。この解決策は、警告メッセージに従ってアレイを慎重に再形成し、ラベリングすることが必要でした。これが最善の方法であるかどうかはわかりませんが、警告を削除しました。

# Importing the libraries 
import numpy as np 
import pandas as pd 
from io import StringIO 
from sklearn.preprocessing import StandardScaler 

# Setting up data string to be read in as a .csv 
data = StringIO("""Position,Level,Salary 
Business Analyst,1,45000 
Junior Consultant,2,50000 
Senior Consultant,3,60000 
Manager,4,80000 
Country Manager,5,110000 
Region Manager,6,150000 
Partner,7,200000 
Senior Partner,8,300000 
C-level,9,500000 
CEO,10,1000000""") 

dataset = pd.read_csv(data) 

# Importing the dataset 
#dataset = pd.read_csv('Position_Salaries.csv') 

# Deprecation warnings call for reshaping of single feature arrays with reshape(-1,1) 
X = dataset.iloc[:, 1:2].values.reshape(-1,1) 
y = dataset.iloc[:, 2].values.reshape(-1,1) 

# avoid DataConversionError 
X = X.astype(float) 
y = y.astype(float) 

#sc_X = StandardScaler() 
#sc_y = StandardScaler() 
X_scaler = StandardScaler().fit(X) 
y_scaler = StandardScaler().fit(y) 

X_scaled = X_scaler.transform(X) 
y_scaled = y_scaler.transform(y) 

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

# One of the warnings called for ravel() 
regressor.fit(X_scaled, y_scaled.ravel()) 

# Predicting a new result 
# The warnings called for single samples to reshaped with reshape(1,-1) 
X_new = np.array([6.5]).reshape(1,-1) 
X_new_scaled = X_scaler.transform(X_new) 
y_pred = regressor.predict(X_new_scaled) 
y_pred = y_scaler.inverse_transform(y_pred)