Lasso 和 RobustScaler 之后如何对回归预测进行逆变换？

我试图弄清楚如何在使用 RobustScalar 和 Lasso 后取消缩放数据（大概使用 inverse_transform）进行预测。下面的数据只是一个例子。我的实际数据更大、更复杂，但我希望使用 RobustScaler（因为我的数据有异常值）和 Lasso（因为我的数据有许多无用的特征）。

基本上，如果我尝试使用这个模型来预测任何事情，我希望以未缩放的方式进行预测。当我尝试使用示例数据点执行此操作时，我收到一个错误，似乎希望我取消缩放与训练子集大小相同的数据（也称为两个观察值）。我收到以下错误： ValueError: 形状 (1,1) 的不可广播输出操作数与广播形状 (1,2) 不匹配

如何仅取消一个预测的缩放比例？这可能吗？

import pandas as pd
from sklearn.linear_model import Lasso
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import RobustScaler

data = [[100, 1, 50],[500 , 3, 25],[1000 , 10, 100]]
df = pd.DataFrame(data,columns=['Cost','People', 'Supplies'])

X = df[['People', 'Supplies']]
y = df[['Cost']]

#Split
X_train,X_test,y_train,y_test = train_test_split(X,y)

#Scale data
transformer = RobustScaler().fit(X_train)
transformer.transform(X_train)

X_rtrain = RobustScaler().fit_transform(X_train)
y_rtrain = RobustScaler().fit_transform(y_train)
X_rtest = RobustScaler().fit_transform(X_test)
y_rtest = RobustScaler().fit_transform(y_test)

#Fit Train Model
lasso = Lasso()
lasso_alg = lasso.fit(X_rtrain,y_rtrain)

train_score =lasso_alg.score(X_rtrain,y_rtrain)
test_score = lasso_alg.score(X_rtest,y_rtest)

print ("training score:", train_score)
print ("test score:", test_score)

#Predict example 
example = [[10,100]]
transformer.inverse_transform(lasso_alg.predict(example).reshape(-1, 1))

您不能使用相同的tranformerX 和 y 的对象。在你的代码片段中，你的transformer代表 X，它是 2D，因此在转换预测结果（1D）时会出现错误。 （实际上你很幸运能得到一个错误；如果你的 X 是 1D，你就会得到无意义的结果）。

像这样的东西应该有效：

transformer_x = RobustScaler().fit(X_train)
transformer_y = RobustScaler().fit(y_train) 
X_rtrain = transformer_x.transform(X_train)
y_rtrain = transformer_y.transform(y_train)
X_rtest = transformer_x.transform(X_test)
y_rtest = transformer_y.transform(y_test)

#Fit Train Model
lasso = Lasso()
lasso_alg = lasso.fit(X_rtrain,y_rtrain)

train_score =lasso_alg.score(X_rtrain,y_rtrain)
test_score = lasso_alg.score(X_rtest,y_rtest)

print ("training score:", train_score)
print ("test score:", test_score)

example = [[10,100]]
transformer_y.inverse_transform(lasso.predict(example).reshape(-1, 1))