我为假新闻检测创建了一个Keras神经网络模型，验证准确率达到了89.1%。我使用了50,000个样本进行训练，10,000个样本用于测试，2000个样本用于验证。我已经保存了那个模型。现在我想加载那个模型，并加载新的数据，以便基于这些数据进行预测。

import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScaler, RobustScaler, Normalizer, MinMaxScalerfrom sklearn.feature_selection import RFEfrom sklearn.metrics import accuracy_scorefrom tensorflow.python.keras.models import Sequential, load_modelfrom tensorflow.python.keras.layers import Dense, Dropout, LeakyReLU, Conv2D, LSTM, Flattenfrom tensorflow.python.keras import optimizersfrom tensorflow.python.keras.regularizers import l2from tensorflow.python.keras.callbacks import EarlyStopping, ModelCheckpointimport numpy as npmy_model_1 = load_model("keras fake news acc 89.1.h5")validation_df = pd.read_csv("validation.csv")validation_features = validation_df.iloc[:,:-1]validation_results = validation_df.iloc[:,-1].tolist()scaler = StandardScaler()validation_features = scaler.transform(validation_features) #ERROR

问题是我遇到了一个错误：

NotFittedError: This StandardScaler instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

如果我在特征上使用fit_transform，我不会遇到错误，但准确率只有52%，这很糟糕（因为我之前有89.1%）。

我该如何解决这个问题？我是否需要加载用于训练模型的数据，还是我可以只加载模型并传入预测数据？

当我训练模型时，我对训练数据使用了fit_transform，对测试数据使用了transform。我猜现在，我应该只在我的数据上使用transform，但我得到了一个错误

回答：

在训练时使用pickle或joblib库保存缩放器对象。加载这个缩放器对象，然后对测试数据（或实时数据）应用transform函数。

你用具有不同缩放的数据训练了模型，并且试图对具有不同缩放的数据进行预测。