python - sklearn 中的 MinMax Scaler 不会标准化 0 到 1 之间的列值

Question

我正在研究 python 中的 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，我观察到某些列的最小/最大输出超过了 1。我用错了吗？

下面是我返回的最小/最大值的片段：

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))

特征包含包含列的数据框（例如，错误片段，紧急......）。

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。我对吗？

Answer 1

没错，MinMaxScaler 会将您的数据从 0 缩放到 1。0 将是列的最小值，1 是最大值。

Apply 函数实际上不会转换您的功能，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))