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:Python 深度学习:如何使用skLearn-MinMaxScaler()缩放预测数据,python,keras,scikit-learn,deep-learning,Python,Keras,Scikit Learn,Deep Learning,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(d
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)