深度学习：如何使用skLearn MinMaxScaler（）缩放预测数据

Question

我正在创建一个神经网络去噪音乐。你知道吗

模型的输入是一个从0到1缩放的数组。这是使用sklearn MinMaxScaler实现的。数据的原始范围是从-1到1。模型的输出也是一个从0到1缩放的数组。你知道吗

但是，在预测信息时，我无法将数据缩放回-1到1。你知道吗

我的代码类似于：

data = load(data_path)
scaler = MinMaxScaler(feature_range = (0,1))
data = data.reshape(-1,1)
data = scaler.fit_transform(data)

model = load_model(model_path)
predicted_data = model.predict(data)

predicted_data = scaler.inverse_transform(predicted_data)

但是，我收到错误：

This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.

不过，数据已经拟合，我不想再拟合了。你知道吗

为什么我会犯这个错误？MinMaxScaler难道不能对不合适的数据进行反变换吗？你知道吗

关于这个错误有什么建议吗？你知道吗

Answer 1

错误说明了一切，您需要分别调用fit和transform方法，而不仅仅是fit_transform。你知道吗

data = load(data_path)
data = data.reshape(-1, 1)
scaler = MinMaxScaler(feature_range = (0,1)).fit(data)
data = scaler.transform(data)

model = load_model(model_path)
predicted_data = model.predict(data)

predicted_data = scaler.inverse_transform(predicted_data)