操作数无法与 MinMaxScaler 中的形状错误一起广播答案

【问题标题】：operands could not be broadcast together with shapes error in MinMaxScaler操作数无法与 MinMaxScaler 中的形状错误一起广播
【发布时间】：2022-09-24 15:10:37
【问题描述】：

我正在 Python 中开发一个预测模型，基于从 2010 年 q-1 开始的前 45 个季度的历史数据。我正在使用 LSTM 进行预测。在尝试实现以下行时：

y_perd_future = scaler.inverse_transform(forecast_copies)[:,0]
X = X.copy()
    936             if self.with_std: 
    937                 X *= self.scale_
    938             if self.with_mean:
    939                 X += self.mean_

 ValueError: operands could not be broadcast together with shapes (31,630,3) (32,) (31,630,3)

请不要给我小自创数组的例子。我正在寻找大数据背景下的建议。

谦虚的问候

你能更准确地说明它到底在哪里失败了吗？此外，对于这个例子来说，数组的大小并不重要，只是让它们在形状上对齐。
亲爱的西蒙，它在 \"y_perd_future = scaler.inverse_transform(forecast_copies)[:,0]\" 代码行失败，或者换句话说，当我尝试对预测值进行逆变换时。

标签： python pandas lstm

【解决方案1】：

我认为问题在于一个张量有 31 个元素 (31, 630, 3)，而另一个 32 (32,) 则无法广播。至少一个维度必须匹配。

【讨论】：

亲爱的弗拉维奥，感谢您的回答。我在如何匹配这些数组方面非常努力。请指导我，我是多元时间序列分析的新手

【解决方案2】：

我认为问题是首先缩放的，
首先总是分别缩放、目标和特征
我总是先缩放自变量，然后再缩放目标变量，
我不知道为什么，但 MinMaxscaler 或任何缩放技术都会考虑最后缩放的内容。
预测后，您可以使用inverse_transform 来回。

pressure = scaler.inverse_transform(y_train_pred_lr.values.reshape(-1,1))
print(pressure)

更好地分别缩放目标和特征，在自变量之后缩放目标希望这可以解决您的问题，如果可以，请告诉我。

如果您先缩放功能并稍后缩放目标，这会给您广播错误

【讨论】：

【解决方案3】：

最好使用两个不同的缩放实例，例如，“scaler”用于自变量，“scaler1”用于因变量，即目标变量。

【讨论】：