You need to enable JavaScript to run this app. sklearn MinMaxScaler相近序列缩放结果差异过大原因及方案咨询
优惠活动
大模型
产品
解决方案
定价
更多

sklearn MinMaxScaler相近序列缩放结果差异过大原因及方案咨询

sklearn MinMaxScaler对相近取值序列的缩放行为差异探究

实验方案

我共收集2组配对序列,每组内包含分别命名为Normal和New的两个序列。实验目标是在同组内对两个序列做相对缩放,降低数值尺度以适配后续处理流程,因此采用“单序列拟合MinMaxScaler、转换同组另一序列”的方式,保证组内两个序列的缩放基准统一。
核心实现代码如下:

normal_ser = pd.read_csv(f"data1.csv")["normal"]

print("Series set 1")
print('\nNormal ser')
print(f'Normal max: {normal_ser.max()}, Normal min: {normal_ser.max()}')
plt.figure(figsize=(20, 3))
plt.plot(normal_ser)
plt.show()

print("Normal Ser histogram")
normal_ser.hist()
plt.show()

print('new ser')
new_ser = df2.read_csv("data2.csv")["new"]
print(f'New max: {new_ser.max()}, New min: {new_ser.max()}')
plt.figure(figsize=(20, 3))
plt.plot(new_ser)
plt.show()

print("New Ser histogram")
new_ser.hist()
plt.show()

print('Normal ser scaled')
# Scaling new series data based on the normal data series
mm_scaler = MinMaxScaler()
normal_ser_scaled = mm_scaler.fit_transform(normal_ser.values.reshape(-1, 1))
plt.figure(figsize=(20, 3))
plt.plot(normal_ser_scaled)
plt.show()

print('new ser scaled')
new_ser_scaled = mm_scaler.transform(new_ser.values.reshape(-1, 1))
plt.figure(figsize=(20, 3))
plt.plot(new_ser_scaled)
plt.show()

实验结果

使用上述代码分别处理两组配对序列,得到的缩放结果如下:

  • 第一组序列处理结果:
    Set1
  • 第二组序列处理结果:采用完全相同的代码逻辑执行流程,结果如下:
    Set2

异常现象与待解问题

从结果可见,两组的Normal序列、New序列原始取值范围相近,但经过同逻辑缩放后,两组的New序列数值差异极大:第一组的缩放后New序列值处于-16.0区间,第二组同处理的New序列值仅处于-2.5区间。我预期两组缩放结果虽有差异,但不应出现量级级别的差距,因此需要明确:

  • 造成该现象的核心原因是什么
  • 有没有更适配同组序列相对缩放目标的实现方法

内容的提问来源于stack exchange,提问作者smm

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 16:54:04