我正在创建一个用于去噪音乐的神经网络。

模型的输入是一个从0到1缩放的数组。这是通过使用sklearn的MinMaxScaler实现的。数据的原始范围是从-1到1。模型的输出也是一个从0到1缩放的数组。

然而，在预测信息时，我无法将数据缩放回-1到1的范围。

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)

然而，我收到了以下错误：

This MinMaxScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.

然而，数据已经被拟合，我不想再次拟合它。

为什么我会收到这个错误？MinMaxScaler不应该仍然能够对未拟合的数据进行inverse_transform吗？

关于这个错误，有什么建议吗？

回答：

错误信息已经说明了一切，你需要分别调用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)