在使用Keras完成模型训练后，我正尝试使用Keras的model.predict()，以便在新的输入上测试模型。
当我训练模型时，我用Scikit Learn的MinMaxScaler()规范化了我的训练数据。
使用model.predict()时，是否也需要规范化数据？如果是，我该怎么做？
是。你需要。因为你的模型是从特定规模的数据中学习的，所以最好将你的数据转换为与模型工作时相同的规模，然后让它进行预测。
例如，您可以使用Scikitslearn库来规范化和标准化数据：
x_scaler = StandardScaler()
x_train = x_scaler.fit_transform(x_train)
x_test = x_scaler.transform(x_test)
y_scaler = StandardScaler()
y_train = y_scaler.fit_transform(y_train)
y_test = y_scaler.transform(y_test)
然后，对于预测，您应该对训练数据集使用相同的归一化参数，然后反向缩放以返回到具有如下预测值的上一个缩放：
preds = y_scaler.inverse_transform(
model.predict(x_scaler.transform(pred_input))
)