预测结果时逆向特征缩放不起作用

Question

# Importing required libraries
import numpy as np
import pandas as pd

# Importing dataset
dataset = pd.read_csv('Position_Salaries.csv')
X = dataset.iloc[:, 1: -1].values
y = dataset.iloc[:, -1].values

y = y.reshape(len(y), 1)

# Feature Scaling
from sklearn.preprocessing import StandardScaler
scy = StandardScaler()
scX = StandardScaler()
X = scX.fit_transform(X)
y = scy.fit_transform(y)

# Training SVR model
from sklearn.svm import SVR
regressor = SVR(kernel = 'rbf')
regressor.fit(X, y)

# Predicting results from SCR model
# this line is generating error
scy.inverse_transform(regressor.predict(scX.transform([[6.5]])))

我正在尝试执行此代码来预测模型中的值，但运行它后我收到如下错误：

ValueError: Expected 2D array, got 1D array instead:
array=[-0.27861589].
Reshape your data either using an array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

完整的堆栈错误跟踪：

即使我的导师也使用相同的代码，但他的代码正在使用我的代码，我不是机器学习新手，谁能告诉我我做错了什么。 谢谢你的帮助。 这是供参考的数据

Answer 1

由于您的预测形状，scy 期望输出具有 (-1, 1) 形状。
将最后一行更改为：

scy.inverse_transform([regressor.predict(scX.transform([[6.5]]))])

你也可以用这行来预测：

pred = regressor.predict(scX.transform([[6.5]]))
pred = pred.reshape(-1, 1)
scy.inverse_transform(pred)