在Python中，使用sklearn库的preprocessing模块对数据进行预处理，包括用平均值填充NaN值和进行数据标准化。然而，在执行标准化操作后，数据可能全部变为0。这个问题可能源于数据的特性或者标准化过程中的错误设置。检查原始数据和标准化方法以确定原因。
我试图用“能量”的一个特征来代替“f”的特征值。这是密码-import numpy as np
from sklearn import preprocessing
imputer = preprocessing.Imputer(missing_values="NaN", strategy="mean")
energy_array = f["Energy"].as_matrix()
energy_imputed = imputer.fit_transform([energy_array])
print(energy_imputed)
这给我的价值观是-
^{pr2}$
现在当我试着放大这个-energy_scaled = preprocessing.scale(energy_imputed)
print(energy_scaled)
我得到-[[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
]]
为什么缩放后所有值都变为零？在
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
