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？
Should the same Min and Max be applied for Training and Prediction on a DataFrame?
我正在将 sklearn.preprocessing.MinMaxScaler() 应用于 DataFrame 并将 DataFrame 用于机器学习。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，我对要用于预测的 DataFrame 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？
是的，你应该在火车和测试中使用相同的 MinMaxScaler()。
说明：假设您的训练数据集具有一些最小值=10 和最大值=20 的特征，而您的测试数据集具有最小值=1 和最大值=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。
我正在将 sklearn.preprocessing.MinMaxScaler() 应用于 DataFrame 并将 DataFrame 用于机器学习。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，我对要用于预测的 DataFrame 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？
是的，你应该在火车和测试中使用相同的 MinMaxScaler()。
说明：假设您的训练数据集具有一些最小值=10 和最大值=20 的特征，而您的测试数据集具有最小值=1 和最大值=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。