如何在预测后取消缩放数据？答案

【问题标题】：How to unscale data after predictions?如何在预测后取消缩放数据？
【发布时间】：2020-11-17 08:56:00
【问题描述】：

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，我收到此错误：

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

【问题讨论】：

【解决方案1】：

此错误的含义是：您已缩放两个特征，即形状 (400,2) 的价格和体积，但是，在取消缩放时，您仅给出形状 (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），第二个用于其余特征。

【讨论】：

【解决方案2】：

你试过了吗：

predictions = scaler.inverse_transform(predictions.reshape(-1,1)).reshape(-1)

【讨论】：

【解决方案3】：

我决定将零列添加到预测数据集，取消缩放，然后删除未使用的列。愚蠢但对我有用）

【讨论】：

它“工作”的事实（即它不会产生任何 coding 错误）并不意味着它是正确的。请参阅有关您实际需要做什么的其他答案（您应该不使用 feature 缩放器的反转来取消缩放预测）。
在 LSTM 时间序列预测的情况下，输出与输入在同一空间中。旧价格变成新价格。