Keras：如果我用标准化数据训练模型，model.predict() 是否需要标准化数据？

【问题标题】：Keras: Does model.predict() require normalized data if I train the model with normalized data?Keras：如果我用标准化数据训练模型，model.predict() 是否需要标准化数据？
【发布时间】：2021-09-08 03:43:33
【问题描述】：

在使用 Keras 完成模型训练后，我尝试使用 Keras 的 model.predict() 来测试新输入的模型。

当我训练模型时，我使用 Scikit Learn 的 MinMaxScaler() 对训练数据进行了标准化。

在使用model.predict() 时，我是否也需要对数据进行规范化？如果是这样，我该怎么做？

【问题讨论】：

您需要对您愿意预测的数据应用相同的预处理步骤。

标签： python tensorflow machine-learning keras scikit-learn

【解决方案1】：

是的。你需要。因为您的模型已从具有特定规模的数据中学到的。因此，最好将数据转换为与模型工作相同的规模，然后让它进行预测。

例如，您可以使用Scikitlearn库正常化和标准数据：

x_scaler = StandardScaler()
x_train = x_scaler.fit_transform(x_train)
x_test = x_scaler.transform(x_test)

y_scaler = StandardScaler()
y_train = y_scaler.fit_transform(y_train)
y_test = y_scaler.transform(y_test)

然后，对于预测，您应该对训练数据集使用相同的归一化参数，然后反向缩放以返回之前缩放的预测值，如下所示：

preds = y_scaler.inverse_transform(
         model.predict(x_scaler.transform(pred_input))
         )

【讨论】：