Python 如何对Lasso和RobustScalar之后的回归预测进行逆变换？

在使用RobustScalar和Lasso之后，我试图找出如何取消数据缩放（可能使用逆_变换）以进行预测。下面的数据只是一个例子。我的实际数据要复杂得多，但我希望使用RobustScaler（因为我的数据有异常值）和Lasso（因为我的数据有几十个无用的特性）

基本上，如果我试图用这个模型来预测任何事情，我希望预测是无标度的。当我尝试对示例数据点执行此操作时，我得到一个错误，它似乎希望我取消缩放与训练子集大小相同的数据（也称为两个观察值）。我得到以下错误：ValueError:具有形状（1,1）的不可广播输出操作数与广播形状（1,2）不匹配

我怎样才能只对一个预测进行分解？这可能吗

import pandas as pd
from sklearn.linear_model import Lasso
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import RobustScaler

data = [[100, 1, 50],[500 , 3, 25],[1000 , 10, 100]]
df = pd.DataFrame(data,columns=['Cost','People', 'Supplies'])

X = df[['People', 'Supplies']]
y = df[['Cost']]

#Split
X_train,X_test,y_train,y_test = train_test_split(X,y)

#Scale data
transformer = RobustScaler().fit(X_train)
transformer.transform(X_train)

X_rtrain = RobustScaler().fit_transform(X_train)
y_rtrain = RobustScaler().fit_transform(y_train)
X_rtest = RobustScaler().fit_transform(X_test)
y_rtest = RobustScaler().fit_transform(y_test)

#Fit Train Model
lasso = Lasso()
lasso_alg = lasso.fit(X_rtrain,y_rtrain)

train_score =lasso_alg.score(X_rtrain,y_rtrain)
test_score = lasso_alg.score(X_rtest,y_rtest)

print ("training score:", train_score)
print ("test score:", test_score)

#Predict example 
example = [[10,100]]
transformer.inverse_transform(lasso_alg.predict(example).reshape(-1, 1))

---

不能对X和y使用相同的

transformer

对象。在您的代码片段中，您的

转换器是用于X的，它是2D，因此在转换预测结果（1D）时会出现错误。（事实上，你很幸运得到了一个错误；如果你的X是1D，你会得到胡说八道）

像这样的方法应该会奏效：

transformer_x = RobustScaler().fit(X_train)
transformer_y = RobustScaler().fit(y_train) 
X_rtrain = transformer_x.transform(X_train)
y_rtrain = transformer_y.transform(y_train)
X_rtest = transformer_x.transform(X_test)
y_rtest = transformer_y.transform(y_test)

#Fit Train Model
lasso = Lasso()
lasso_alg = lasso.fit(X_rtrain,y_rtrain)

train_score =lasso_alg.score(X_rtrain,y_rtrain)
test_score = lasso_alg.score(X_rtest,y_rtest)

print ("training score:", train_score)
print ("test score:", test_score)

example = [[10,100]]
transformer_y.inverse_transform(lasso.predict(example).reshape(-1, 1))