Preprocesamiento en scikit learn - muestra única - Advertencia de amortización
En una nueva instalación de Anaconda en Ubuntu ... Estoy preprocesando mis datos de varias maneras antes de una tarea de clasificación usando Scikit-Learn.
from sklearn import preprocessing
scaler = preprocessing.MinMaxScaler().fit(train)
train = scaler.transform(train)
test = scaler.transform(test)
Todo esto funciona bien, pero si tengo una nueva muestra (temperatura a continuación) que quiero clasificar (y, por lo tanto, quiero preprocesar de la misma manera, entonces obtengo
temp = [1,2,3,4,5,5,6,....................,7]
temp = scaler.transform(temp)
Entonces recibo una advertencia de desaprobación ...
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.
Entonces, la pregunta es ¿cómo debería reescalar una sola muestra como esta?
Supongo que una alternativa (no muy buena) sería ...
temp = [temp, temp]
temp = scaler.transform(temp)
temp = temp[0]
Pero estoy seguro de que hay mejores formas.