Sklearn 的 MinMaxScaler 只返回零答案

【问题标题】：Sklearn's MinMaxScaler only returns zerosSklearn 的 MinMaxScaler 只返回零
【发布时间】：2014-11-11 05:26:39
【问题描述】：

我正在尝试使用来自sklearn 的preprocessing 将某个数字缩放到0 - 1 的范围内。我就是这么做的：

data = [44.645, 44.055, 44.54, 44.04, 43.975, 43.49, 42.04, 42.6, 42.46, 41.405]
min_max_scaler = preprocessing.MinMaxScaler(feature_range=(0, 1))
data_scaled = min_max_scaler.fit_transform([data])
print data_scaled

但 data_scaled 只包含零。我究竟做错了什么？

【问题讨论】：

您是如何解决问题的？下面的答案对我不起作用。

标签： python scikit-learn

【解决方案1】：

当我尝试使用 sklearn.preprocessing 中的 MinMaxScaler 进行缩放时，我遇到了同样的问题。当我使用一个 numpy 数组作为列表的形状时，Scaler 返回零，即 [1, n] 如下所示：

data = [[44.645, 44.055, 44.54, 44.04, 43.975, 43.49, 42.04, 42.6, 42.46, 41.405]]

我将数组的形状更改为 [n, 1]。在您的情况下，它需要以下内容

data = [[44.645], 
        [44.055], 
        [44.540], 
        [44.040], 
        [43.975], 
        [43.490], 
        [42.040], 
        [42.600], 
        [42.460], 
        [41.405]]

然后 MinMaxScaler 以正确的方式工作。

【讨论】：

【解决方案2】：

这是因为 data 是 int32 或 int64 并且 MinMaxScaler 需要一个浮点数。试试这个：

import numpy as np
data = [44.645, 44.055, 44.54, 44.04, 43.975, 43.49, 42.04, 42.6, 42.46, 41.405]
min_max_scaler = preprocessing.MinMaxScaler(feature_range=(0, 1))
data_scaled = min_max_scaler.fit_transform([np.float32(data)])
print data_scaled

【讨论】：

这并不能解决所提出的问题。打印 data_scaled 仍然返回零

【解决方案3】：

您出于某种原因将数据放入列表中，但您不应该：

data_scaled = min_max_scaler.fit_transform(data)

【讨论】：

但是如果我不这样做就会出现这个错误：TypeError: 'numpy.float64' object does not support item assignment
sklearn.__version__ 和 numpy.version.version 在您的系统上说什么？因为上面的代码适用于我的最新版本。
我使用的是相同的 sklearn、NumPy 1.8.1、Python 2.7.8 和 Python 3.4.1。当我在你的问题中运行代码时，我得到一个零数组；当我在答案中使用该行时，我得到了一个非零数组，第一个值为 1，最后一个值为 0。您应该在另一个系统上进行测试。

【解决方案4】：

data = []
data = np.array(data)
data.append([44.645, 44.055, 44.54, 44.04, 43.975, 43.49, 42.04, 42.6, 42.46, 41.405])
min_max_scaler = preprocessing.MinMaxScaler(feature_range=(0, 1))
data_scaled = min_max_scaler.fit_transform(data.reshape(10,-1))
data = data_scaled.reshape( -1, 10)
print data

这背后的原因是，当您尝试将 StandardScaler 对象的 fit_transform 方法应用于大小为 (1, n) 的数组时，您显然会得到全零，因为对于您从中减去该数字的平均值的每个数组数，等于数字并除以该数字的标准。如果要正确缩放数组，应将其转换为大小为 (n, 1) 的数组。

看这个link的正确答案：

【讨论】：