Python ValueError：シェイプ（124,1）の出力不可オペランドがブロードキャストシェイプと一致しません。（124,13）

Question

sklearn.preprocessingにMinMaxScalerを使用してトレーニングとテストデータセットを正規化します。ただし、パッケージはテストデータセットを受け入れていないようです。これを実行すると

import pandas as pd 
import numpy as np 

# Read in data. 
df_wine = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data', 
         header=None) 
df_wine.columns = ['Class label', 'Alcohol', 'Malic acid', 'Ash', 
        'Alcalinity of ash', 'Magnesium', 'Total phenols', 
        'Flavanoids', 'Nonflavanoid phenols', 'Proanthocyanins', 
        'Color intensity', 'Hue', 'OD280/OD315 of diluted wines', 
        'Proline'] 

# Split into train/test data. 
from sklearn.model_selection import train_test_split 
X = df_wine.iloc[:, 1:].values 
y = df_wine.iloc[:, 0].values 
X_train, y_train, X_test, y_test = train_test_split(X, y, test_size=0.3, 
                random_state = 0) 

# Normalize features using min-max scaling. 
from sklearn.preprocessing import MinMaxScaler 
mms = MinMaxScaler() 
X_train_norm = mms.fit_transform(X_train) 
X_test_norm = mms.transform(X_test) 

、私はValueError: operands could not be broadcast together with shapes (124,) (13,) (124,)とともに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.を取得します。

データを再構成すると、エラーが発生します。

X_test_norm = mms.transform(X_test.reshape(-1, 1)) 

このように再構成すると、エラーValueError: non-broadcastable output operand with shape (124,1) doesn't match the broadcast shape (124,13)が返されます。

どのようにこのエラーを解決するための入力は参考になります。

Answer 1

train/testデータの分割は、train_test_split()の入力配列と同じ順序で指定して、その順序に対応する配列を展開する必要があります。 y_train（len(y_train)=54）とX_test（len(X_test)=124）の順序はX_train, y_train, X_test, y_testとして指定された明らか

、得られた形状はValueErrorもたらす入れ替えてしまいました。

代わりに、あなたは次の条件を満たす必要があります。

# Split into train/test data. 
#     _________________________________ 
#     |  |      \ 
#     |  |       \ 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)           
# |   |         /
# |__________|_____________________________________/ 
# (or) 
# y_train, y_test, X_train, X_test = train_test_split(y, X, test_size=0.3, random_state=0) 

# Normalize features using min-max scaling. 
from sklearn.preprocessing import MinMaxScaler 
mms = MinMaxScaler() 
X_train_norm = mms.fit_transform(X_train) 
X_test_norm = mms.transform(X_test) 

は生成します。

X_train_norm[0] 
array([ 0.72043011, 0.20378151, 0.53763441, 0.30927835, 0.33695652, 
     0.54316547, 0.73700306, 0.25  , 0.40189873, 0.24068768, 
     0.48717949, 1.  , 0.5854251 ]) 

X_test_norm[0] 
array([ 0.72849462, 0.16386555, 0.47849462, 0.29896907, 0.52173913, 
     0.53956835, 0.74311927, 0.13461538, 0.37974684, 0.4364852 , 
     0.32478632, 0.70695971, 0.60566802])