如何让sklearn缩放器基于自定义最值而非训练集缩放百分比特征？

问题说明 #

当需要将百分比列固定缩放到0-1区间（而非基于训练集的最大最小值动态缩放）时，sklearn.preprocessing.MinMaxScaler无法满足需求。它会根据训练集的min/max计算缩放公式，导致超出训练集范围的输入值缩放结果偏离预期。

示例代码验证：

from sklearn.preprocessing import MinMaxScaler

X_train = [[60],
           [70]]

scaler = MinMaxScaler(feature_range=(0,1))
scaler.fit(X=X_train)

# 预期输出[[1.0]]，实际输出[[4.0]]
print(scaler.transform([[100]]))

原因是MinMaxScaler的缩放公式为(x - min_train) / (max_train - min_train)，这里训练集min=60、max=70，代入后得到(100-60)/(70-60)=4，完全不符合百分比缩放的预期。

解决方案：实现自定义PercentageScaler #

通过继承sklearn的Transformer基类，构建一个不依赖训练集统计值的缩放器，再结合Pipeline和ColumnTransformer实现分列处理：

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.base import _OneToOneFeatureMixin, TransformerMixin, BaseEstimator
import numpy as np

def isolate():
    X_train = [[60, 50],
               [70, 90]]
    
    class PercentageScaler(_OneToOneFeatureMixin, TransformerMixin, BaseEstimator):
        def __init__(self) -> None:
            super().__init__()
        
        def fit(self, X, y=None):
            # 无需训练，直接返回自身
            return self
        
        def transform(self, X):
            # 固定将百分比值除以100，缩放到0-1区间
            return np.array(X) / 100

    # 处理百分比列的流水线：先填充缺失值，再缩放
    percent_transformer = Pipeline(steps=[
        ('imputer', SimpleImputer(strategy='median')),
        ('scaler', PercentageScaler())
    ])

    # 处理普通数值列的流水线：先填充缺失值，再用MinMaxScaler缩放
    num_transformer = Pipeline(steps=[
        ('imputer', SimpleImputer(strategy='median')),
        ('scaler', MinMaxScaler())
    ])

    # 组合两个流水线，分别处理指定列
    transformer = ColumnTransformer(transformers=[
        ('percent', percent_transformer, [0]),  # 第0列是百分比列
        ('num', num_transformer, [1])           # 第1列是普通数值列
    ])

    transformer.fit(X=X_train)
    # 输出：[[1.   0.25]]，符合预期：100%→1.0，60在50-90区间缩放为0.25
    print(transformer.transform([[100, 60]]))

isolate()

这个方案的核心优势是：

• 百分比列的缩放规则固定，不受训练集数据分布影响
• 可以和sklearn的流水线生态无缝结合，统一处理不同类型的特征列

内容的提问来源于stack exchange，提问作者Jason Rich Darmawan