成功解决ValueError: Input contains infinity or a value too large for dtype(‘float64‘).

使用最大最小归一化对数据进行归一化处理

# 创建MinMaxScaler对象
scaler = MinMaxScaler()

# 对数据每个特征进行归一化（该行意思是针对每一列数据进行归一化，而不是全局）
normalized_dataset = scaler.fit_transform(dataset)

出现以下错误：

ValueError: Input contains infinity or a value too large for dtype('float64').

如何解决：

个人尝试了很多方法，如异常值替换、数据元素缩放（均缩小10000倍等）均没有成功！

最后只能放弃调用  scaler = MinMaxScaler()  对象，手动编写函数，如下所示：
 

def manual_min_max_scaling(dataset):
    """
    手动实现最大最小归一化处理二维列表的每一列。
    """
    # 初始化一个新的空列表来存放归一化后的数据
    normalized_dataset = []

    # 遍历二维列表的每一列
    for col in zip(*dataset):  # 使用zip(*dataset)转置列表，以便遍历列
        min_val = min(col)  # 计算当前列的最小值
        max_val = max(col)  # 计算当前列的最大值

        # 如果最大值和最小值相等（即没有变化），则直接复制该列，避免除以零错误
        if max_val == min_val:
            normalized_col = [min_val] * len(col)
        else:
            # 对当前列的每个元素进行归一化处理
            normalized_col = [(x - min_val) / (max_val - min_val) for x in col]

        # 将归一化后的列添加到结果列表中
        normalized_dataset.append(normalized_col)

    # 将归一化后的列表转置回来，恢复原始的二维列表结构
    return [list(i) for i in zip(*normalized_dataset)]

上述问题得以解决！！！！！！！！！！