我正在处理一个回归问题，我的特征在矩阵X中，目标值在Y中。

我想对输入进行缩放。我使用sklearn的MinMaxScaler来实现：

# 将数据缩放到0-1之间
scaler = MinMaxScaler(feature_range=(0, 1))
X = scaler.fit_transform(X)

我的理解是，现在应该相应地缩放真实标签向量Y。我该如何使用scaler对象来实现这一点？根据文档，我可以将真实标签传递给fit_transform方法，但这似乎只是为了“管道兼容性”——即，该方法忽略Y，只返回变换后的X。

谢谢！

回答：

你不能用那个scaler来缩放目标变量Y。

因为MinMaxScaler：

通过将每个特征缩放到给定范围来变换特征。

它不变换目标变量。或者更准确地说，由于你已经在特征上进行了拟合，那么你只能将其应用于特征。

当你需要再次使用这个缩放器的情况是，当你尝试将模型应用于你的测试数据以进行预测时，你需要使用相同的缩放器来变换你的测试数据的特征，这样结果才会一致。