MinMaxScaler 如何影响我的测试数据？

Question

假设我想预测股票价格，并且我有训练数据，我知道其中的最小值和最大值。这似乎是使用 MinMaxScaler 的好例子，但我想知道以下内容。如果我从训练数据中知道最高值设置为 1，那么当测试数据中的股票价格达到比我一开始标准化为 1 的值更高时会发生什么？它是否只是覆盖它并将其指定为新的最大值？

Answer 1

sklearn 中的缩放器具有三种值得注意的方法，您在运行这些类型的程序时应该使用它们：

• scaler.fit(x)- 这会将缩放器的最小值和最大值（使用 MinMaxScaler 时）设置为 x 中找到的值
• y_transformed = scaler.transform(y)fit- 这将使用上面命令中找到的参数转换数据 y
• x_transformed = scaler.fit_transform(x)这将同时运行上述两个命令。这应该只应用于您的训练数据。

因此，本质上，当您训练模型时，您将使用严格在 0-1 范围内的数据进行训练，因为您的缩放器将根据该数据进行拟合。当您获取新数据或测试/验证集中的数据可能超出范围（使用scaler.transform(y)）时，这将仅返回 0-1 范围之外的数据（即 1.1 或 -0.4 的值）。

如果这是您正在使用的算法的问题，我建议您将数据裁剪为 0-1，或者在训练之前增加缩放器的参数（在预期中）。