我正在根据这个数据集研究按国家的人口分布：https://www.kaggle.com/tanuprabhu/population-by-country-2020
我了解到，在训练之前对数据集进行归一化是最佳实践，所以我使用sklearn.preprocessing的MinMaxScaler对数据进行了归一化处理。接着，我使用归一化后的数据集训练了模型，并保存了模型。
接下来，我想对新数据进行预测。因此，我创建了一个与训练数据集格式相似的输入文件。新输入数据只有2行（而训练数据集有200行）。
我遇到的问题是，由于新数据集中数据量少，minmaxscaler返回了1和0。1对应较大的数字，0对应较小的数字。当我将此输入 feeding 到模型中时，得到的预测值与预期值相差甚远。
我还尝试对新数据应用mixmaxscaler，输入到模型中，然后逆转结果。然而，我得到的值仍然与预期值相差甚远。
我还尝试在不应用mixmaxscalar的情况下训练模型。在这种情况下，我得到了更好的结果，但预测结果只有在某些列值较大时才响应良好。值较小的列响应不够理想，而在现实世界中，我知道这个因素对预测结果相当重要。
我哪里做错了？非常感谢提供任何关于处理训练模型输入的样本代码。
回答：
为了测试问题所在，我建议你从训练数据中取一行，在缩放之前。应用缩放器，然后使用结果作为预测数据。你应该得到与训练数据结果值相同的预测结果。当你应用缩放器时，看看它是否生成与该行训练数据中相同的值。确保你使用的是适合训练集的缩放器。不要将缩放器拟合到新数据上，只需用它来转换数据即可。
