Machine learning 如何缩放一个输入示例？

我有这样一个输入功能的数据集： [81.2819,5636.209677,9957.279495] 以上是我的神经网络的三个输入特征。假设我的整个数据集的大小是：（10000 x 3） 当我使用以下代码行缩放整个数据集时：

scaler = preprocessing.MinMaxScaler()
scaled_ds = scaler.fit_transform(dataset)

一切正常。但当我只缩放一行时，就像上面的一行一样，我得到了零，比如：

array([[0., 0., 0.]])

你们谁能解释一下原因吗

根据：

因此，对于单个样本，X.min与X.max重合，导致范围为零。零除法处理反过来会导致X_缩放为零

这应该可以解释为什么不能为单个数据样本定义特性级缩放。另一方面，如果您已经适应了数据集，并且只想转换一个新示例，则需要使用：

scaled_sample = scaler.transform(sample)

---

i、 e.只使用预先获得的最小值/最大值，而不是尝试拟合新值。

即使我只是对获得的参数使用推断函数？

scaled_sample = scaler.transform(sample)