2021-02-25

Python 归一化和反归一化遇到的维度不一样问题

今天在用LSTM预测数据（只预测一维数据）的时候，发现在归一化和反归一化的地方出现了问题。我们都知道数据的归一化有很多方法，归一化的目的就是为了避免数据相差太大，影响预测结果。我比较常用的归一化方式：

from sklearn.preprocessing import MinMaxScaler
 #归一化
 #train_set是我的训练集
    scaler = MinMaxScaler(feature_range=(0,1))
    train_set_scaled= scaler.fit_transform(train_set)
 #反归一化
 #predict_test是测试集预测出来的结果
    predeict_test_scaler = scaler.inverse_transform(predeict_test)

遇到的问题：
我的目的是预测IP下行平均流量，是一个一维数据的预测，归一化之前的test是个一维数据，但是预测结果output是个三维数据，无法使用上面的方式进行反归一化，我们只需要在模型训练的时候加上Flatten函数，将多维数据一维化
model.add(Flatten())#将多维数据一维化