Numpy：逆变换不同大小的数组

Question

我正在尝试规范化我的数据，对其进行一些工作，然后将其更改回来。在进行 inverse_transform 时，我是否必须始终传递与进行 fit_transform 时完全相同的形状？下面的代码会给我一个“形状 (3,1) 的不可广播输出操作数与广播形状 (3,3) 不匹配”

import numpy as np
from sklearn.preprocessing import MinMaxScaler

first = np.array([[  1.2345, 1.220000,1.26245],
 [  1.234,1.220000,7.0901],
 [  1.23450,1.22000,1.14795]])

scaler = MinMaxScaler(feature_range=(0, 1))
dataset = scaler.fit_transform(first)
new_dataset = dataset[:,:1]
trainPredict2 = scaler.inverse_transform(new_dataset)

Answer 1

您不必传递形状完全相同的数据集，但列数必须与原始数据集相匹配，因为每一行都被解释为一条记录，每一列都被解释为一个特征。从技术上讲，您不能错过测试数据集的功能。因此，例如，切片行仍然有效：

new_dataset = dataset[:1,:]
trainPredict2 = scaler.inverse_transform(new_dataset)

这会返回原始数据集的第一行：

trainPredict2
# array([[ 1.2345 ,  1.22   ,  1.26245]])

---

如果你真的想反演一两个特征，你可以通过反演最小值-最大值变换x′:=(x−xmin)/(xmax−xmin)公式来计算：

scaler.data_range_[:1] * dataset[:,:1] + scaler.data_min_[:1]
# array([[ 1.2345],
#        [ 1.234 ],
#        [ 1.2345]])

这会返回原始数据集的第一列。