python - 如何在预测后取消缩放数据？

Question

我有一个包含 2 个特征(价格和数量)和 1 个预测变量(价格)的数据集，并使用 LTSM 模型根据前一组价格预测下一个价格。

首先我缩放数据集:

#Scale the data
scaler = MinMaxScaler(feature_range=(0,1))
scaled_data = scaler.fit_transform(dataset)

最后我想取消缩放它:

#Get the models predicted price values
predictions = model.predict(x_test)
predictions = scaler.inverse_transform(predictions)

但这不起作用，我得到了这个错误:

ValueError: non-broadcastable output operand with shape (400,1) doesn't match the broadcast shape (400,2)

Answer 1

这个错误的意思是:你已经缩放了两个特征，即价格和形状的体积 (400,2)，但是，在缩放时你只给出了形状 (400,1) 的预测价格

一个简单的解决方案是使用两个单独的缩放器 - 一个将取消缩放响应变量，即价格(以及相关的输入特征，再次是价格)，第二个缩放器用于其余特征。