MinMaxScaler 如何影响我的测试数据？
How does MinMaxScaler affect my test data?
假设我想预测股票价格并且我有我的训练数据，我知道其中的最小值和最大值。这似乎是使用 MinMaxScaler 的好案例，但我想知道的是以下内容。如果我从我的训练数据中知道最高值设置为 1，那么当我的测试数据中的股票价格达到比我首先归一化为 1 的值更高的值时会发生什么？它只是覆盖它并将其指定为新的最大值吗？
sklearn 中的缩放器具有三种值得注意的方法，您应该在 运行使用这些类型的程序时使用它们：
scaler.fit(x) - 这会将缩放器的最小值和最大值（使用 MinMaxScaler 时）设置为在 xy_transformed = scaler.transform(y) - 这将使用在上面的 fit 命令中找到的参数转换数据 yx_transformed = scaler.fit_transform(x) 这将同时 运行 以上两个命令。这应该只应用于您的训练数据。
因此，从本质上讲，当您训练模型时，您将训练严格在 0-1 范围内的数据，因为您的缩放器将根据该数据进行拟合。当您获得新数据或 test/validation 集中的数据可能超出范围（使用 scaler.transform(y)）时，这将只是 return 0-1 范围之外的数据（即. 1.1 或 -0.4 的值）。
如果这是您使用的算法的问题，我建议无论如何将数据剪裁为 0-1，或者在训练前增加缩放器的参数（在预期中）。
假设我想预测股票价格并且我有我的训练数据，我知道其中的最小值和最大值。这似乎是使用 MinMaxScaler 的好案例，但我想知道的是以下内容。如果我从我的训练数据中知道最高值设置为 1，那么当我的测试数据中的股票价格达到比我首先归一化为 1 的值更高的值时会发生什么？它只是覆盖它并将其指定为新的最大值吗？
sklearn 中的缩放器具有三种值得注意的方法，您应该在 运行使用这些类型的程序时使用它们：
scaler.fit(x)- 这会将缩放器的最小值和最大值（使用 MinMaxScaler 时）设置为在 x 中找到的值
y_transformed = scaler.transform(y)- 这将使用在上面的fit命令中找到的参数转换数据 yx_transformed = scaler.fit_transform(x)这将同时 运行 以上两个命令。这应该只应用于您的训练数据。
因此，从本质上讲，当您训练模型时，您将训练严格在 0-1 范围内的数据，因为您的缩放器将根据该数据进行拟合。当您获得新数据或 test/validation 集中的数据可能超出范围（使用 scaler.transform(y)）时，这将只是 return 0-1 范围之外的数据（即. 1.1 或 -0.4 的值）。
如果这是您使用的算法的问题，我建议无论如何将数据剪裁为 0-1，或者在训练前增加缩放器的参数（在预期中）。