使用inverse_transform时出错返回值错误
使用inverse_transform时出错返回值错误
提问于 2021-04-27 02:11:11
我是LSTM的新手，我正在学习一个股票价格预测的教程。
我正在尝试实现所有功能，但我一直收到一个错误：
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-21-87c8b43ab572> in <module>
36 #Get the models predicted price values
37 predicted_prices= model.predict(x_test)
---> 38 predicted_prices=scaler.inverse_transform(predicted_prices)
~\anaconda3\lib\site-packages\sklearn\preprocessing\_data.py in inverse_transform(self, X)
430 force_all_finite="allow-nan")
431
--> 432 X -= self.min_
433 X /= self.scale_
434 return X
ValueError: non-broadcastable output operand with shape (401,1) doesn't match the broadcast shape (401,6)我正在试图找到这个错误的解释，下面是代码
company = "AC.TO"
start= dt.datetime(2012,1,1)
end= dt.datetime(2020,1,1)
data = web.DataReader(company, "yahoo", start,end)
data_df= data.filter(['Close'])
dataset= data.values
training_data_len= math.ceil(len(dataset)*.8)
scaler = MinMaxScaler(feature_range=(0,1))
scaled_data = scaler.fit_transform(dataset)
train_data=scaled_data[0:training_data_len, :]
predication_days=60
x_train=[]
y_train=[]
for x in range (predication_days,len(train_data)):
x_train.append(train_data[x-predication_days:x, 0])
y_train.append(train_data[x, 0])
if x<= predication_days+1:
print (x_train)
print (y_train)
print()
x_train, y_train = np.array(x_train), np.array(y_train)
x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1],1))
model= Sequential()
model.add(LSTM(units=50, return_sequences=True, input_shape=(x_train.shape[1],1)))
model.add(LSTM(units=50,return_sequences=False))
model.add(Dense(units=25))
model.add(Dense(units=1))
model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(x_train, y_train, epochs=1, batch_size=1)
test_data = scaled_data[training_data_len - predication_days:,:]
x_test=[]
y_test=dataset[training_data_len:, :]
for x in range(predication_days,len(test_data)):
x_test.append(test_data[x-predication_days:x,0])
x_test=np.array(x_test)
x_test=np.reshape(x_test,(x_test.shape[0],x_test.shape[1],1))
predicted_prices= model.predict(x_test)
predicted_prices=scaler.inverse_transform(predicted_prices)我的问题更多的是关于这个错误的原因，以从中吸取教训，以及如何修复它？
回答 1
Stack Overflow用户
发布于 2021-04-27 02:51:59
您正在缩放所有数据集列。
因此，无论何时创建inverse_transform，都应该包含在fit_transform上使用的所有列。
要仅反转标签，必须分别为要素( X )和标签( y )创建比例，然后只能在y或X中创建inverse_transform。
此外，在训练数据集上生成scale.fit_transform ONLY，然后在测试数据集上生成scale.transform也是一个很好的实践。
features_scaler = MinMaxScaler(feature_range=(0,1))
label_scaler = MinMaxScaler(feature_range=(0,1))
train_data = dataset[0:training_data_len, :]
test_data = dataset[training_data_len:, :]
x_train = features_scaler.fit_transform(train_data[my_feature_columns].to_numpy())
y_train = label_scaler.fit_transform(train_data[my_label_column].to_numpy())
x_test = features_scaler.transform(test_data[my_feature_columns].to_numpy())
y_test = label_scaler.transform(test_data[my_label_column].to_numpy())页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67271740
复制相关文章
相似问题
腾讯云开发者
