python之Scikit-Learn:如何使用矩阵 X 的变换来变换目标变量 Y

我正在研究一个回归问题，我的特征在矩阵 X 中，目标值在 Y 中。

我想缩放输入。我正在使用 sklearn 的 MinMaxScaler:

# scale data to 0-1 
scaler = MinMaxScaler(feature_range=(0, 1)) 
X = scaler.fit_transform(X) 

我的理解是，真正的标签向量 Y 现在应该相应地缩放。如何使用 scaler 对象执行此操作？来自docs ，我可以将真实标签传递给 fit_transform 方法，但这似乎只是为了“管道兼容性”——即该方法忽略 Y 并且只返回转换后的 X。

谢谢!

请您参考如下方法:

您不能使用那个缩放器缩放目标变量Y。

因为 MinMaxScaler :

Transforms features by scaling each feature to a given range.

它不转换目标变量。或者更准确地说，既然你已经将它安装在特征上，那么你只能将它应用到特征上。

再次需要缩放器的情况是当您尝试将模型应用于测试数据以进行预测时，您需要使用相同的缩放器来转换测试数据的特征同样，结果将是一致的。