加载已训练回归模型后，新输入的预测值始终相同的问题求助

你的问题根本不是模型需要重置，而是输入缩放的代码写错了。

看这段代码：

new_input = inputScaler.fit_transform(new_input )

每次处理新输入都调用fit_transform，会让inputScaler重新基于当前这单个样本计算缩放的最小值和最大值——单样本的min和max都是它自己，所以缩放后的值永远是0（MinMaxScaler默认缩放到[0,1]区间）。不管你输入的原始数据有啥差异，经过这步处理后全变成一样的输入，模型自然输出相同结果。

修正方法 #

把fit_transform改成transform，直接用训练时已经拟合好的scaler规则处理新输入：

loaded_model = tf.keras.models.load_model("model")

inputScaler = joblib.load(input_sc)
outputScaler = joblib.load(output_sc)

# 只做transform，不重新fit
new_input = inputScaler.transform(new_input )
prediction = loaded_model.predict(new_input )

inversed_predictData = outputScaler.inverse_transform(prediction)

sum_pred = np.sum(inversed_predictData, axis=1)
print(sum_pred)

额外检查点 #

• 确认每次传入的new_input确实是不同的（可以打印出来验证）
• 确保加载的inputScaler和outputScaler是训练时保存的那两个，没有被覆盖或错误替换

内容的提问来源于stack exchange，提问作者mzt1845