是否应该将相同的最小值和最大值应用于 DataFrame 的训练和预测？答案

【问题标题】：Should the same Min and Max be applied for Training and Prediction on a DataFrame?是否应该将相同的最小值和最大值应用于 DataFrame 的训练和预测？
【发布时间】：2021-01-16 11:48:01
【问题描述】：

我正在将 sklearn.preprocessing.MinMaxScaler() 应用于 DataFrame 并使用 DataFrame 进行机器学习。训练后，我有一个单独的代码和 DataFrame 来进行预测。在预测代码中，我在要用于预测的 DataFrame 上执行MinMaxScaler()。 Training DataFrame 和 Prediction DataFrame 将具有不同的 Min 和 Max 值。我的问题是，Training DataFrame 和 Prediction DataFrame 是否应该使用相同的 Min 和 Max 值以获得准确的预测？

【问题讨论】：

标签： python dataframe tensorflow scikit-learn sklearn-pandas

【解决方案1】：

是的，您应该在火车和测试中使用相同的MinMaxScaler()。

解释：假设您的训练数据集具有 min=10 和 max=20 的某些特征，而您的测试数据集具有 min=1 和 max=10 的特征。如果在测试中训练单独的缩放器，则测试数据值将低于训练数据集。

【讨论】：