MinMaxScaler.fit_transform 始终返回/转换为 0答案

【问题标题】：MinMaxScaler.fit_transform always return/transform to 0MinMaxScaler.fit_transform 始终返回/转换为 0
【发布时间】：2021-11-05 09:24:18
【问题描述】：

以下是我的代码，其中fit_transform() 始终转换为 0。我在模型训练时使用了相同的验证数据和代码，但是在测试中它的行为有所不同。

以下是我的验证数据：

Date	P1	P2
2021-01-04 00:00:13	2.343674	0.000909
2021-01-04 01:00:00	-1.339256	-0.001019
2021-01-04 02:00:00	6.485042	0.001654
2021-01-04 03:00:00	-3.047014	-0.002561
2021-01-04 04:00:00	2.308437	-0.000279

测试数据：

Date	P1	P2
2021.01.04 00:00:13	2.343673841	0.0009093321465

from sklearn.preprocessing import MinMaxScaler
sc = MinMaxScaler(feature_range = (0, 1))  

dataset_test = pd.read_csv("filePath.csv",index_col="Date",parse_dates=True)

test_x = np.array(dataset_test)

test_x = sc.fit_transform(test_x)

print("test_x: ", test_x)

以下是输出：

test_x:  [[0. 0.]]

我做错了什么？

【问题讨论】：

MinMaxScaler 转换每一列而不是行。您只有一行，因此每列中的每个值都是最小值并缩放为0.0。
我们不在测试数据上使用fit_transform；只有transform，带有一个已经适合训练数据的缩放器。

标签： python scikit-learn deep-learning recurrent-neural-network

【解决方案1】：

您应该始终对测试数据或验证数据集使用转换方法。如果您将 fit_transform 用于测试或验证数据，则会导致数据泄漏，并且您的模型在新数据集上表现不佳。

您可以创建一个 min max scaler 的实例，尝试将 fit_transform 用于训练数据，并使用 transform 方法将相同的实例用于测试数据。

sc = MinMaxScaler()
x_train = sc.fit_transform(x_train)
x_test = sc.transform(x_test)

【讨论】：

我没有训练数据，因为我已经训练了模型，现在我想使用该模型进行预测，因此在这种情况下没有 x_train；我尝试了 sc.transform(x_test) 而不是 sc.fit_transform(x_test)，但还没有运气。
如果你有一个训练有素的模型，你可以将你的模型与model.predict(test_x)一起使用。如果您正确设置模型，则无需单独转换测试数据。如果预处理不是您的管道的一部分并且您丢失了拟合的变换，那么您的模型将毫无用处。