Machine learning 使用MinMaxScaler的结果很差，我是否使用了错误的函数？

我在float 32中有一个带有值的数组，我似乎从sklearn minMaxScaler函数中得到了错误的结果

# ensure all data is float
values = values.astype('float32')
print(values)
[[ 1.  2.  3.  0.  0.]
 [ 2.  2.  3.  0.  0.]
 [ 2.  3.  3.  0.  0.]
 [ 2.  3.  4.  0.  0.]
 [ 1.  2.  3.  0.  0.]
 [ 1.  2.  3.  0.  0.]]
In [34]:

# normalize features
scaler = MinMaxScaler(feature_range=(0, 1))
scaled = scaler.fit_transform(values)
print(scaled)
[[ 0.  0.  0.  0.  0.]
 [ 1.  0.  0.  0.  0.]
 [ 1.  1.  0.  0.  0.]
 [ 1.  1.  1.  0.  0.]
 [ 0.  0.  0.  0.  0.]
 [ 0.  0.  0.  0.  0.]]
In [28]:

---

我是否使用了错误的函数？提前谢谢

MinMaxScaler按列缩放。所以你的结果是正确的。例如，在第一列中，最小值（1）替换为0，最大值（2）替换为1，正如预期的那样，

MinMaxScaler缩放每列。所以你的结果是正确的。例如，在第一列中，最小值（1）替换为0，最大值（2）替换为1，正如预期的那样

那么，规范化所有数据的正确方法是什么？为什么MinmaxScaler结果不适合您？你想要实现什么？请扩展您的问题我正在尝试规范化我的数据，我正在遵循一个教程说使用minmaxscaler，但我最终使用了sklearn的规范化函数，它工作得很好。谢谢你的帮助@scikit中的user2162942

normalize（）

函数将对行进行规范化。因此，请仔细检查输出值。你确定要这样做吗？那么，规范化我所有数据的正确方法是什么？为什么MinmaxScaler结果不适合你？你想要实现什么？请扩展您的问题我正在尝试规范化我的数据，我正在遵循一个教程说使用minmaxscaler，但我最终使用了sklearn的规范化函数，它工作得很好。谢谢你的帮助@scikit中的user2162942

normalize（）

函数将对行进行规范化。因此，请仔细检查输出值。你确定你想要吗？