MinMaxScaler归一化后，如何反归一化

在使用MinMaxScaler进行归一化后，如果需要将数据反归一化，可以使用inverse_transform()方法。该方法可以将归一化后的数据转换为原始数据。以下是一个简单的示例代码：

from sklearn.preprocessing import MinMaxScaler
import numpy as np

# 创建一个MinMaxScaler对象
scaler = MinMaxScaler()

# 创建一个示例数据集
data = np.array([[1, 2], [3, 4], [5, 6]])

# 对数据进行归一化
scaled_data = scaler.fit_transform(data)

# 将归一化后的数据转换为原始数据
original_data = scaler.inverse_transform(scaled_data)

print("原始数据：\n", data)
print("归一化后的数据：\n", scaled_data)
print("反归一化后的数据：\n", original_data)

在上面的代码中，我们首先创建了一个MinMaxScaler对象，并使用fit_transform()方法对数据进行归一化。然后，我们使用inverse_transform()方法将归一化后的数据转换为原始数据。最后，我们打印出原始数据、归一化后的数据和反归一化后的数据。