LSTM流量预测模型逆缩放报错：输出形状不匹配广播形状

你遇到的问题核心是误用了同一个MinMaxScaler实例同时处理特征和目标数据，导致缩放器的维度规则混乱，具体原因和修复方案如下：

错误原因 #

你先用同一个scaler对1维的目标值Y做了fit_transform，紧接着又用它对6维的特征X做fit_transform——这会让scaler重新学习6维数据的缩放规则，完全覆盖了之前针对1维Y的配置。后续用这个scaler逆变换1维的y_test时，它会期望输入是6维数据，自然就出现维度不匹配的报错。

修复方案 #

1. 为特征和目标分别创建独立的缩放器 #

必须用两个不同的MinMaxScaler实例，分别处理特征和目标，保证各自的缩放规则独立：

from sklearn.preprocessing import MinMaxScaler

# 初始化两个独立的缩放器
scaler_X = MinMaxScaler()  # 专门处理6维特征X
scaler_Y = MinMaxScaler()  # 专门处理1维目标Y

# 缩放特征X
scale_X = scaler_X.fit_transform(X)

# 缩放目标Y，先转成2维数组符合scaler要求，再按需转回1维
scale_Y = scaler_Y.fit_transform(Y.reshape(-1, 1))
scale_Y = scale_Y.reshape(-1)  # 这一步根据你的LSTM输入需求保留或删除

2. 预测后用对应缩放器逆变换 #

模型训练完成、得到测试集的缩放后真实值y_test和预测值y_pred后，用scaler_Y做逆变换：

# 逆变换测试集真实值，先转2维，再转回1维方便后续绘图
y_test_original = scaler_Y.inverse_transform(y_test.reshape(-1, 1)).reshape(-1)

# 逆变换预测值，操作和真实值一致
y_pred_original = scaler_Y.inverse_transform(y_pred.reshape(-1, 1)).reshape(-1)

3. 绘制时序对比图示例 #

得到还原尺度的真实值和预测值后，就可以正常绘制对比图：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.plot(y_test_original, label='真实流量', linewidth=1.5)
plt.plot(y_pred_original, label='预测流量', linestyle='--', linewidth=1.5)
plt.title('月度特定时段交通流量真实值vs预测值')
plt.xlabel('时间步')
plt.ylabel('流量')
plt.legend()
plt.show()

关键注意点 #

• 特征和目标的缩放必须完全独立，绝对不能共用同一个缩放器，两者的分布、维度差异会导致缩放规则彻底混乱。
• 调用inverse_transform时，输入的形状必须和fit_transform时的输入形状一致（比如目标数据是2维数组(n_samples, 1)，逆变换也要传入相同形状的数组）。

内容的提问来源于stack exchange，提问作者Campbell White