python - sklearn.preprocessing.MinMaxScalar 中“inverse_transform”函数的奇怪行为

Question

我在 sklearn.preprocessing 中使用 MinMaxScalar 函数来规范化我的一些变量（数组）的属性以在模型（线性回归）中使用它，在模型创建和训练之后，我测试了我的模型x_test(splited usind train_test_split)并将结果存储在一些variable(say predicted)中，对于评估目的我想用原始数据集评估我的预测，因为我使用了“ MinMaxScalar.inverse_transform”函数，当我的代码按以下顺序时，该函数运行良好，

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.25,train_size=0.75,random_state=27)

sc=MinMaxScaler(feature_range=(0,1))
x_train=sc.fit_transform(x_train)
x_test=sc.fit_transform(x_train)
y_train=y_train.reshape(-1,1)
y_train=sc.fit_transform(y_train)

当我像下面的代码一样更改顺序时，它会在可广播输出操作数上抛出错误，形状 (379,1) 与广播形状 (379,13) 不匹配）

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.25,train_size=0.75,random_state=27)

sc=MinMaxScaler(feature_range=(0,1))
x_train=sc.fit_transform(x_train)
y_train=y_train.reshape(-1,1)
y_train=sc.fit_transform(y_train)
x_test=sc.fit_transform(x_train)

请比较两张照片以更好地理解我的查询

标签： pythonscikit-learn

Answer 1

从链接的打印屏幕图中可以看出，您使用它来 MinMaxScaler拟合和转换训练和测试 x 数据，以及训练 y 数据（这没有意义）。

正确的过程是

1. 用训练 x 数据拟合定标器。fit_transform()也变换（缩放x_train）.

sc = MinMaxScaler(feature_range=(0,1))
x_train = sc.fit_transform(x_train)

2. 还使用相同的缩放器缩放测试 x 数据。不要fit在这里；只是缩放/转换。

x_test = sc.transform(x_test)

3. 如果您认为 y 数据也需要缩放，则必须为此目的安装另一个缩放器。也可能是不需要缩放 y 数据。

# Option A: Do not scale y-data
# (do nothing)

# Option B: Scale y-data
sc_y = MinMaxScaler(feature_range=(0,1))
y_train = sc_y.fit_transform(y_train)

4. 训练完模型 ( lr) 后，您可以使用缩放x_test后的模型进行预测：

# Option A:
predicted = lr.predict(x_test)

# Option B:
y_test_scaled = lr.predict(x_test)
predicted = sc_y.inverse_transform(y_test_scaled)