minmaxscaler结果非0–1的主因是未清洗nan/inf、训练测试集未分离或含离群点；其与手动公式差异在于自动按列缩放、保存参数、处理常量列及支持逆变换。
为什么 MinMaxScaler 算出来的结果不是 0–1？
常见错误现象是：调用 fit_transform() 后，数据里仍出现略小于 0 或略大于 1 的值，甚至报 ValueError: Input contains NaN。根本原因不是算法出错，而是没做缺失值清洗或用了未对齐的训练/测试集。
- 必须在
fit()前确认X_train中不含NaN或inf——MinMaxScaler不自动跳过它们 - 训练集和测试集要严格分离：只对训练集调用
fit()，测试集只能用transform()，不能重复fit_transform() - 如果特征含离群点（比如某列有个极大异常值），
MinMaxScaler会把它当最大值压缩，导致其余数据全挤在接近 0 的窄区间 —— 这时该换RobustScaler或先截断
MinMaxScaler 和手动写 (x - x.min()) / (x.max() - x.min()) 有啥区别？
表面看公式一样，但实际行为差异明显：手动计算不处理多维数组的轴向广播，也不保存缩放参数，更没法复用到新样本上。
-
MinMaxScaler默认按列缩放（axis=0），且把每列的min_和scale_存在对象属性里，后续能用inverse_transform()还原 - 手动公式若直接作用于二维
numpy数组，容易因广播规则出错；例如x.min()返回全局最小值，而非每列最小值 - 当数据含常量列（所有值相等），手动公式会除零；
MinMaxScaler默认设feature_range=(0, 1)并将常量列统一映射为feature_range[0]（即 0）
如何安全地对新数据做归一化？
核心原则：绝不重新 fit。上线后来的单条数据、批次数据，都必须复用训练时保存的 scaler 对象。
- 训练完立刻用
pickle.dump(scaler, open('scaler.pkl', 'wb'))保存，预测时pickle.load()加载 - 新数据形状必须与训练时一致：列数相同、列顺序一致；列名不匹配不会报错，但会 silently 错位
- 如果新数据某列出现了比训练集更小的最小值或更大的最大值，
transform()仍会照常计算，结果可能超出 [0, 1] —— 这不是 bug，是设计如此；需要业务侧决定是否截断或告警
归一化后模型效果反而变差？检查这几个点
归一化不是万能药，尤其对树模型（如 RandomForest、XGBoost）基本无影响，强行加还可能引入浮点误差。
- 线性模型、神经网络、SVM 必须归一化；KNN、PCA、聚类也强烈建议；但决策树类模型可跳过
- 如果训练集和验证集混用了同一个
fit_transform()，会导致数据泄露 —— 验证指标虚高，上线后崩 - 归一化前没做 log 变换，而原始数据呈长尾分布（如用户消费金额），此时
MinMaxScaler会被头部几个极大值“绑架”，多数样本缩到 0.01 范围内，信息被压扁
真正麻烦的是混合类型特征：有的数值范围天然在 0–1（如点击率），有的动辄百万（如 PV），这时归一化策略得按业务语义拆开处理，而不是一股脑喂给 MinMaxScaler。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
