将预测取消缩放回原始形式

如何解决将预测取消缩放回原始形式

这是一个回归问题。

我训练的形状是：(417,5)，测试数据的形状是：(105,5)。我使用以下代码对两者进行缩放：

from sklearn import preprocessing
import sklearn
from sklearn.preprocessing import MinMaxScaler
#Scale train
scaler = preprocessing.MinMaxScaler()
train_df = scaler.fit_transform(train_df)
train_df = pd.DataFrame(train_df)

#Scale test
test_df = scaler.fit_transform(test_df)
test_df = pd.DataFrame(test_df)

缩放后的前四行训练数据如下所示：

“4”是因变量，其余为自变量。

使用深度神经网络训练后，我得到了缩放形式的预测。我尝试使用以下代码取消缩放预测：

scaler.inverse_transform(y_pred_dnn)

而预测存储在 y_pred_dnn

但我收到以下错误：

ValueError: 形状为 (105,1) 的不可广播输出操作数与广播形状 (105,5) 不匹配

如何调试问题？

谢谢

解决方法

您可以通过在缩放之前分离 y 来解决此问题。您不需要缩放 y 进行预测。所以试试：

y_train,y_test = train_df.iloc[:,4],test_df.iloc[:,4]
X_train,X_test = train_df.iloc[:,1:4],1:4]

此后，您只对 X 部分进行缩放，不需要任何反向缩放