Kaggle泰坦尼克预测代码运行问题总结

https://blog.csdn.net/guoxinian/article/details/73740746     

Kaggle泰坦尼克预测(完整分析)

 

自己动手在Jupyter Notebook中跟着上面文章中的代码运行，将里面遇到的问题整理如下。

1.

unknown_age = age_df[age_df.Age.isnull()].as_matrix()

不断运行时会出现返回值为空矩阵的情况，是因为运行一次后已经将缺失值补全了，所以数据集中‘Age’属性就没有含有空值的样本了，所以再运行就会出现这种情况。

2.

age_scale_param = scaler.fit(df['Age'])
df['Age_scaled'] = scaler.fit_transform(df['Age'], age_scale_param)
fare_scale_param = scaler.fit(df['Fare'])
df['Fare_scaled'] = scaler.fit_transform(df['Fare'], fare_scale_param)

对单列属性进行数值标准化时，正确的代码为

df['Age_scaled'] = scaler.fit_transform(df['Age'].values.reshape(-1,1))   
df['Fare_scaled'] = scaler.fit_transform(df['Fare'].values.reshape(-1,1))

在新的sklearn版本中会报如下错误：

ValueError: Expected 2D array, got 1D array instead:

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.

新版本中所有数据元素都必须是一个2D矩阵，即使是一个简单的column或row，所以需要使用array.reshape(-1, 1)重新调整你的数据。而在Python3中需要用values.reshape(-1,1)，单列的话用其转化为一列的二维数组。

reshape函数：numpy中一个调整矩阵行数、列数、维度数的一个函数。