我正在基于此数据集按国家对人群进行研究：https://www.kaggle.com/tanuprabhu/population-by-country-2020
我了解到在训练之前对数据集进行规范化是最好的做法，所以我使用sklearn.preprrocessing MinMaxScaler对数据进行了规范化。在保存模型之前，我使用规范化的数据集对模型进行了训练。
接下来，我想对新数据进行预测。因此，我创建了一个与训练数据集格式相似的输入文件。新的输入数据只有2行(而训练数据集有200行(。
我遇到的问题是，由于新数据集中的数据数量很少，minmaxscaler返回了1和0。1代表较大的数字，0代表较小的数字。当我将这些输入输入到模型中时，它给出的预测与预期值相差太远。
我还尝试将mixmaxscaler应用于新数据，输入到模型中，然后反转结果。尽管如此，我得到的值与预期值相差太远。
我还尝试在不应用mixmaxscalar的情况下训练模型。我在这个模型中得到了更好的结果，但只有当我用更大的值更改某些列时，预测结果才会得到很好的响应。值较小的列没有很好的响应，而在现实世界中，我知道这个因素对预测结果非常重要。
我哪里出了问题？关于处理训练模型的输入的任何示例代码都是非常值得赞赏的。
为了测试正在发生的事情，我建议在缩放之前先获取一行训练数据。应用标量，然后将结果用作预测的数据。您应该得到与列车数据结果值相同的预测结果。应用标量时，查看它是否生成与该行的训练数据中相同的值。确保您使用的是适合训练集的标量。不要将标量适配到新数据中，只需使用它来转换数据即可。