sklearn.preprocessing.MinMaxScaler（）仅返回0或1，不返回浮点数

Question

无论出于何种原因，它只会返回0或1，而不是它们之间的浮点数。

from sklearn import preprocessing

X = [[1.3, 1.6, 1.4, 1.45, 12.3, 63.01,],
    [1.9, 0.01, 4.3, 45.4, 3.01, 63.01]]

minmaxscaler = preprocessing.MinMaxScaler()
X_scale = minmaxscaler.fit_transform(X)

print(X_scale) # returns [[0. 1. 0. 0. 1. 0.] [1. 0. 1. 1. 0. 0.]]

Answer 1

Minmax Scaler无法使用列表列表，例如，它需要使用numpy数组（或数据框）。

您可以转换为numpy数组。它将产生2个样本的6个特征，我想这不是您的意思，因此您也需要重塑形状。

import numpy

X = numpy.array([[1.3, 1.6, 1.4, 1.45, 12.3, 63.01,],
    [1.9, 0.01, 4.3, 45.4, 3.01, 63.01]]).reshape(-1,1)

MinMax Scaler之后的结果：

[[0.02047619]
 [0.0252381 ]
 [0.02206349]
 [0.02285714]
 [0.19507937]
 [1.        ]
 [0.03      ]
 [0.        ]
 [0.06809524]
 [0.72047619]
 [0.04761905]
 [1.        ]]

不确定是否要分别或同时最小化每个列表

Answer 2

您从MinMaxScaler中获得的答案是预期的答案。

[只有两个数据点时，您将只得到0和1。有关三个数据点的情况，请参见示例here。

您需要了解，它将每列的最小值转换为0，将最大值转换为1。当您有更多数据点时，其余的数据点将根据范围值（最大-最小）进行计算。参见公式here。

BTW MinMaxScaler接受2D数据，这意味着可接受的列表列表。这就是为什么您没有任何错误的原因。