Python 深度学习：如何使用skLearn-MinMaxScaler（）缩放预测数据

我正在创建一个神经网络去噪音乐

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

然而，在预测信息时，我无法将数据缩放回-1:1

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)

然而，我收到了错误：

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

不过，数据已经拟合，我不想再次拟合

为什么我会犯这个错误？MinMaxScaler不应该仍然能够对不合适的数据进行反变换吗

---

关于这个错误有什么建议吗？

这个错误说明了一切，您需要分别调用

fit

和

transform

方法，而不仅仅是

fit\u transform

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)