我有一个这样的输入特征数据集：[81.2819,5636.209677,9957.279495]，上面是我的神经网络的三个输入特征。假设我的整个数据集的大小是：(10,000 x 3)。当我使用以下代码行缩放整个数据集时：

scaler = preprocessing.MinMaxScaler()scaled_ds = scaler.fit_transform(dataset)

一切正常。但是当我只缩放像上面那样的单行数据时，我得到的是零，如下所示：

array([[0., 0., 0.]])

你们能解释这是为什么吗？

回答：

根据文档：

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))X_scaled = X_std * (max - min) + min

因此，对于单个样本，X.min 与 X.max 重合，导致范围为零。处理零除法反过来导致你的 X_scaled 为零。

这应该可以解释为什么特征缩放不能在单个数据样本上定义。另一方面，如果你已经拟合了你的数据集，并且只想转换一个新示例，你需要使用：

scaled_sample = scaler.transform(sample)

即，只使用预先获得的 min/max 值，而不是尝试拟合新的值。