我正在创建一个神经网络来denoise音乐。
模型的输入是一个从0到1缩放的数组。这是使用Sklearn Minmaxscaler实现的。数据的原始范围从-1到1。模型的输出也是一个阵列从0到1。
。我在预测信息时不能将数据扩展到-1至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)
我收到错误：
This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.
但是，数据已经拟合，我不想再次适合它。
为什么我确切遇到此错误？MinMaxScaler是否仍然能够对未插入数据进行unverse_transform？
关于此错误有任何建议吗？
错误说明了这一切，您需要单独调用fit和transform方法，而不仅仅是fit_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)