StandardScaler.fit（）显示值错误
我正在使用StandardScaler来扩展我的数据，如教程中所示。但它不起作用。
我尝试复制与教程中使用的相同的代码，但仍显示错误。
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(df.drop('TARGET CLASS',axis=1))
scaled_features = scaler.transform(df.drop('TARGET CLASS',axis=1))
错误如下：
TypeError: fit() missing 1 required positional argument: 'X'
写回答
-
通过尝试重新创建您的问题，似乎代码中的所有内容都是正确的并且正在执行。这是我为测试代码而创建的独立示例：
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScalerdata = load_iris()
df = pd.DataFrame(data.data, columns=['TARGET CLASS', 'a', 'b', 'c'])scaler = StandardScaler()
scaler.fit(df.drop('TARGET CLASS', axis=1))
scaled_features = scaler.transform(df.drop('TARGET CLASS',axis=1))
我建议你df通过打印来检查你的变量。例如，您可以尝试将其转换为NumPy数组，然后再传递它并打印其内容：import numpy as np
X = df.drop('TARGET CLASS',axis=1).values
print(X)2019-07-17 23:26:34赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
