sklearn中的MinMax Scaler不规范化0和1之间列的值

Question

我正在python中研究KNN算法，并尝试用MinMaxScaler规范化我的数据帧，以转换0到1之间的数据。在

但是，当我返回输出时，我观察到输出超过1的最小/最大列。我用错了吗？在

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))

功能包含包含列的数据帧（例如错误的片段、紧急…）。在

如果我理解正确的话，在执行MinMaxScaler之后，返回的结果将确保每个列的值都规范化为0-1之间的范围。我说得对吗？在

Answer 1

你是对的，MinMaxScaler会将你的数据从0缩放到1。0将是列的最小值，1是最大值

Apply函数不会实际转换您的特性，它只会返回一个包含已转换列的dataframe。 因此，您需要影响您的功能转换：

features = features.apply(lambda x: MinMaxScaler().fit_transform(x))