Sklearn的MinMaxScaler只返回零

Question

我正在尝试使用sklearn中的preprocessing将某个数字缩放到0-1的范围内。这是我的代码：

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

但是 data_scaled 只包含零。我做错了什么？

- Gizmo

---

你是怎么解决你的问题的？下面的答案对我没有用。 - alyssaeliyah

Answer 1

当我尝试使用来自sklearn.preprocessing的MinMaxScaler进行缩放时，我遇到了同样的问题。当我将numpy数组的形状作为列表使用时，即[1，n]，Scaler返回给我零，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]]

我把数组的形状改为[n, 1]。在你的情况下，它应该像下面这样：

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

然后 MinMaxScaler 正常工作。

- Antonina

Answer 2

这是因为数据是int32或int64类型，而MinMaxScaler需要float类型的数据。尝试以下操作：

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

- Cslayer20

---

这并没有解决所提出的问题。打印数据缩放仍然返回零。 - Future2020

Answer 3

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

这是因为当您尝试将StandardScaler对象的fit_transform方法应用于大小为（1，n）的数组时，显然会得到全零，因为对于数组中的每个数字，您都要从它减去该数字的平均值，这等于该数字并除以该数字的标准差。如果您想正确缩放您的数组，您应该将其转换为大小为（n，1）的数组。

请参见此链接的正确答案：

- alyssaeliyah

Answer 4

他们已经给出了正确的答案，但我使用函数numpy.vstack(<your array>)解决了我的问题，在你的问题中，你可以这样写：

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.vstack(data))
print(data_scaled)
#If you want to return in original format you can use 
#hstack function
data_scaled = np.hstack(data_scaled)

`

- Lucas

Answer 5

你正在将数据放入列表中，但其实不应该这样做：

data_scaled = min_max_scaler.fit_transform(data)

- John Zwinck

---

但如果我不这样做，就会出现这个错误：TypeError: 'numpy.float64'对象不支持项目分配。 - Gizmo

sklearn.__version__和numpy.version.version在你的系统上显示什么？因为以上代码在我使用最新版本时可以工作。 - John Zwinck

我正在使用相同的sklearn、NumPy 1.8.1和Python 2.7.8，以及Python 3.4.1。当我运行你问题中的代码时，我得到了一个全是零的数组；当我使用我的答案中的代码时，我得到了一个非零的数组，第一个值为1，最后一个值为0，正如预期的那样。你应该在另一个系统上进行测试。 - John Zwinck