Sklearn MinMaxScaler按行缩放时transform报特征数不匹配如何解决

Sklearn的所有预处理转换器默认按列识别特征：fit时会把输入矩阵的每一列当做一个独立特征，记录对应特征的统计参数（对MinMaxScaler来说就是每列的最小值、最大值），后续transform时会强制要求输入矩阵的列数和fit时记录的特征数一致。
你的代码里训练集做了转置操作：

• 原始数据集共3个样本，按test_size=0.3拆分后，训练集x_train是2行3列的矩阵（2个样本，每个样本3个特征），传入fit_transform前做了.T转置，变成3行2列，此时scaler会判定输入有2个特征，训练完成后期望后续输入的列数必须是2。
• 测试集x_test是1行3列的矩阵，你直接传入transform没有做对应转置，scaler识别到输入有3列，和之前记录的2个特征要求不匹配，就抛出了特征数不匹配的错误。
  另外你原本的代码还有逻辑疏漏：就算不报错，直接给测试集调用transform也没有实现按行缩放的效果，和训练集的预处理逻辑不一致。

对测试集执行和训练集完全一致的转置预处理流程：传入scaler前先转置，完成缩放转换后再转置回原矩阵形状即可。
修正后的可运行代码：

from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
import numpy as np

# 生成样本数据
x = np.array([[-1, 4, 2], [-0.5, 8, 9], [3, 2, 3]])
y = np.array([1, 2, 3])

# 训练集测试集拆分
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=2)

scaler = MinMaxScaler()
# 训练集转置后完成fit和转换，再转置回原形状，实现按行缩放
x_train = scaler.fit_transform(x_train.T).T
# 测试集做相同转置处理：先转置适配scaler的特征维度，转换后转置回原形状
x_test = scaler.transform(x_test.T).T

补充提示：这种转置实现按行缩放的方案，仅适用于缩放统计量从单样本自身特征计算的场景（比如MinMaxScaler按样本做归一化时，最值来自样本自身），不会引入数据泄露。如果你的缩放逻辑需要用到跨样本的统计值，不能直接套用该方法，需要重新设计预处理流程避免测试集信息提前泄露到训练环节。

内容的提问来源于stack exchange，提问作者Murilo