sklearn 中的 MinMax Scaler 不会标准化 0 到 1 之间的列值答案

【问题标题】：MinMax Scaler in sklearn does not normalize values of column between 0 and 1sklearn 中的 MinMax Scaler 不会标准化 0 到 1 之间的列值
【发布时间】：2017-04-10 09:35:15
【问题描述】：

我正在 python 中研究 KNN 算法，并尝试使用 MinMaxScaler 标准化我的数据帧，以将数据转换为 0 到 1 之间的范围内的数据。

但是，当我返回输出时，我观察到某些列的 min/max 输出超过了 1。我用错了吗？

下面是我返回的最小/最大值的 sn-p：

使用的代码是：

kdd_data_10percent = pandas.read_csv("data/kdd_10pc", header=None, names = col_names)
features = kdd_data_10percent[num_features].astype(float)#num_features contain the specific column labels i wish to extract    
features.apply(lambda x: MinMaxScaler().fit_transform(x))

Features 包含包含列的数据框（例如 wrong_fragment、urgent ...）。

如果我理解正确，在执行 MinMaxScaler 之后，返回的结果将确保每列值将被规范化为仅从 0 -1 的范围。我说的对吗？

【问题讨论】：

stackoverflow.com/a/21765852/356729 正是您要找的东西

标签： python scikit-learn knn sklearn-pandas

【解决方案1】：

您是对的，MinMaxScaler 会将您的数据从 0 缩放到 1。0 将是您的列的最小值，1 是最大值。

Apply 函数实际上不会转换您的特征，它只会返回一个包含转换后的列的数据框。因此，您需要影响对功能的转换：

features = features.apply(lambda x: MinMaxScaler().fit_transform(x))

【讨论】：

此代码不起作用，如果您参考我的代码 sn-p 这正是我使用的代码。