У меня возникла проблема с обратным масштабированием после того, как мой прогноз был сделан. У меня есть X_train и y_train, x - 6 столбцов данных, y train - 1 столбец данных. однако они оба являются частью одного и того же фрейма данных, который имеет 7 столбцов данных, я масштабирую все 7 столбцов набора данных следующим образом.
sc = MinMaxScaler(feature_range = (0, 1))
training_set_scaled = sc.fit_transform(training_set)
, затем я запускаю их через a для l oop, чтобы назначить первые 6 столбцов для x_train и последние для y_train, затем я провожу его через lstm и использую плотный слой, который имеет один выход для моих прогнозируемых значений. Затем я пытаюсь нормализовать предсказанные данные, как это
predicted_data = sc.inverse_transform(predicted_data)
. Я считаю, что проблема в том, что когда я масштабирую исходный набор данных, он получает 7 столбцов ввода, но когда я нормализую данные, так как мой плотный слой и прогнозы только 1 столбец. Я вернул ошибку? у меня есть это право? Таким образом, вход 600,7, выход 6,1, ожидая 6,7? Можно ли как-нибудь нормализовать все числа независимо или как мне обойти это? любая помощь приветствуется.