Então, eu tenho essa dúvida e tenho procurado respostas. Então a questão é quando eu uso,

from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()

df = pd.DataFrame({'A':[1,2,3,7,9,15,16,1,5,6,2,4,8,9],'B':[15,12,10,11,8,14,17,20,4,12,4,5,17,19],'C':['Y','Y','Y','Y','N','N','N','Y','N','Y','N','N','Y','Y']})

df[['A','B']] = min_max_scaler.fit_transform(df[['A','B']])
df['C'] = df['C'].apply(lambda x: 0 if x.strip()=='N' else 1)

Depois disso, treinarei e testarei o modelo (A,B como recursos,C como Label) e obtenha uma pontuação de precisão. Agora, minha dúvida é: o que acontece quando preciso prever o rótulo para um novo conjunto de dados. Dizer,

df = pd.DataFrame({'A':[25,67,24,76,23],'B':[2,54,22,75,19]})

Porque quando eu normalizo a coluna, os valores deA eB será alterado de acordo com os novos dados, não os dados nos quais o modelo será treinado. Portanto, agora meus dados após a etapa de preparação de dados, conforme abaixo, serão.

data[['A','B']] = min_max_scaler.fit_transform(data[['A','B']])

Valores deA eB vai mudar em relação aoMax eMin valor dedf[['A','B']]. A preparação de dados dedf[['A','B']] é com relação aMin Max dodf[['A','B']].

Como a preparação dos dados pode ser válida em relação a diferentes números? Não entendo como a previsão será correta aqui.