如何将LSTM股票预测的重塑数组值逆转为原始正常数值？

你现在的核心问题是预测值的形状不符合inverse_transform的要求，以及可能存在归一化器使用不当的情况，下面是具体的解决步骤和代码：

关键问题分析 #

MinMaxScaler（或其他归一化工具）的inverse_transform方法要求输入必须是二维数组（格式为(样本数, 特征数)），但你当前的prediction是一维数组（形状(30,)），直接调用会报错。另外必须确保使用的归一化器是训练数据时的同一个对象，不能重新初始化。

解决步骤 #

1. 恢复预测值的二维形状
   把扁平化后的一维预测数组重新reshape成(30, 1)的二维结构，满足逆变换的输入要求。
2. 使用训练时的归一化器执行逆变换
   必须复用训练阶段拟合过的归一化器（比如scaler），不能重新创建新的归一化器实例。
3. 按需扁平化逆变换结果
   如果需要回到一维格式，再对结果做扁平化处理。

示例代码 #

假设你训练时使用的是MinMaxScaler，且已经保存了该归一化器对象scaler：

# 将一维预测数组转为二维
prediction_2d = prediction.reshape(-1, 1)
# 执行逆变换得到原始股价
original_stock_prices = scaler.inverse_transform(prediction_2d)
# 可选：转回一维数组
original_stock_prices_flat = original_stock_prices.flatten()

常见错误排查 #

如果仍然报错，优先检查：

• 归一化器scaler是否是训练时拟合过的那个，有没有被重新初始化。
• 训练时是否对单特征（股价）进行归一化，确保逆变换的特征数和训练时一致。
• 确认prediction_2d的形状是(30, 1)，可以用print(prediction_2d.shape)验证。

内容的提问来源于stack exchange，提问作者ell