sklearn MinMaxScaler/RobustScaler无法缩放极小值至1的问题咨询

原因分析 #

这是Scikit-learn缩放器内置的数值精度保护机制导致的。以MinMaxScaler为例，其核心缩放公式为：

(X - X_min) / (X_max - X_min)

当X_max - X_min的数值接近float64的机器精度（约2.2e-16）时，sklearn会判定该特征的数值范围过小，为避免除以极小值引发的数值不稳定或溢出，会直接跳过缩放操作，返回原始数据。

你的测试数据中，df_small的最大值与最小值之差为4e-16，已经非常接近float64的机器epsilon，触发了保护机制；而df_not_small的数值范围为4e-15，远大于机器精度，因此正常完成缩放。

解决方案 #

无需手动编写data = data / data.max()，可通过以下两种方式解决：

1. 使用MaxAbsScaler替代 #

MaxAbsScaler的逻辑是将数据除以特征的绝对值最大值，对于非负数据来说，刚好能把最大值缩放到1、最小值保持0，且不会因数值范围小触发保护机制：

from sklearn.preprocessing import MaxAbsScaler
import pandas as pd
import numpy as np

df_small = pd.DataFrame((np.arange(5)*10.0**(-16)))
scaler = MaxAbsScaler()
small_transformed = scaler.fit_transform(df_small)
print(small_transformed)
# 输出：
# [[0.  ]
#  [0.25]
#  [0.5 ]
#  [0.75]
#  [1.  ]]

2. 自定义MinMaxScaler移除精度判断 #

如果必须使用MinMaxScaler，可以继承并重写fit方法，强制保留数值范围计算逻辑：

from sklearn.preprocessing import MinMaxScaler
import pandas as pd
import numpy as np

class CustomMinMaxScaler(MinMaxScaler):
    def fit(self, X, y=None):
        # 调用父类fit方法获取min和max
        super().fit(X, y)
        # 强制计算data_range_，忽略默认的精度判断
        self.data_range_ = self.data_max_ - self.data_min_
        return self

df_small = pd.DataFrame((np.arange(5)*10.0**(-16)))
scaler = CustomMinMaxScaler()
small_transformed = scaler.fit_transform(df_small)
print(small_transformed)
# 输出：
# [[0.  ]
#  [0.25]
#  [0.5 ]
#  [0.75]
#  [1.  ]]

注意：这种方法可能会引入微小的数值精度误差，但在你的场景下完全可接受。

内容的提问来源于stack exchange，提问作者Dima