当我使用 sklearn 的 MinMaxScaler() 时，我注意到了一些有趣的行为，如下面的代码所示。
>>> from sklearn.preprocessing import MinMaxScaler>>> data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]>>> scaler = MinMaxScaler(feature_range=(0, 1))>>> scaler.fit(data)MinMaxScaler(copy=True, feature_range=(0, 1))>>> test_data = [[-22, 20], [20.5, 26], [30, 40], [19, 13]]>>> scaler.transform(test_data)array([[-10.5 , 1.125 ], [ 10.75 , 1.5 ], [ 15.5 , 2.375 ], [ 10. , 0.6875]])我注意到，当我使用已经拟合的 MinMaxScaler() 转换 test_data 时，它返回的值超出了定义的范围（0 – 1）。
现在，我故意将 test_data 设置为超出 “data” 的值范围，以测试 MinMaxScaler() 的输出。
我原以为当 “test_data” 中的值超出变量 “data” 的值范围时，应该会返回某个错误。但事实并非如此，我得到了超出定义范围的输出值。
我的问题是，为什么这个函数会表现出这种行为（即当 test_data 的值超出 MinMaxScaler 拟合的数据的值范围时，返回超出定义范围的输出值），而不是返回错误？
回答：
MinMaxScaler 在转换后的数据超出拟合时提供的 feature_range 范围时抛出错误（从而终止程序执行）可能是一个糟糕且奇怪的设计选择。
考虑一个现实世界的场景，其中一个管道定期处理数十万个传入的数据样本，而这样的 scaler 是其中的一部分。想象一下，如果任何转换后的特征值确实超出了 [0, 1] 的范围，scaler 确实会抛出错误并停止。现在考虑一个案例，在一批，比如说，50万个数据样本中，只有少数几个样本的特征在转换后确实超出了 [0, 1] 范围。那么，整个管道就会因此中断…
在这种情况下，谁会感到高兴？（暂时的答案：没有人）。
负责的数据科学家或机器学习工程师可能会声称“但为什么，这是正确的做法，因为显然有坏数据”吗？不，绝对不会…
概念漂移的概念，即流数据底层分布随时间发生不可预见的变化，是一个巨大的机器学习子主题，具有重要的实践意义和深入研究的领域。这里的想法（即这些函数在这些情况下不抛出错误的背后原因）是，如果建模者有理由相信在实践中可能会发生这种情况（这几乎总是会发生），那么他们的机器学习结果将大多无用，因此他们有责任在部署的系统中明确处理这个问题。把这样一个重要的任务交给一个（谦逊的…）缩放函数将是非常不合适的，最终，这将是一个错误。
稍微扩展一下讨论：MinMaxScaler 只是一个辅助函数；使用它的基本假设（实际上是整个 scikit-learn 和类似库的假设）是我们知道我们在做什么，而不是无脑的傻瓜随机调整旋钮和按按钮，直到我们的模型看起来“工作”。当我们尝试一些真正无意义的事情，比如在回归问题中请求分类准确率时，Keras 应该警告我们吗？嗯，它不会 – 使用它时确实假设存在最低限度的知识，我们不应该真的指望框架本身来保护我们免受这种建模错误的影响。
同样地，在这里，我们有责任意识到转换新数据时可能会得到超出范围的值，并相应地处理这种情况；这不是 MinMaxScaler（或任何其他类似的转换器）的工作来代表我们停止这个过程。
回到你自己的玩具示例，或者我自己的假设示例：在转换新数据之后总是可以集成额外的逻辑，以便相应地处理这些情况；甚至只是检查哪些（以及多少）样本有问题，在这种转换之后显然比之前更容易（从而提供了一个非常初步的、粗略的警报，提示可能的概念漂移）。通过不抛出错误（从而不中断整个过程），scikit-learn 为你，建模者提供了所有选项，让你可以按照你认为合适的方式继续进行，前提是你了解自己的东西。仅仅抛出一个错误并拒绝继续在这里不会有成效，scikit-learn 开发者的设计选择似乎是高度合理的。
