调用python库归一化与反归一化

常用的归一化方法有 min-max 归一化和 z-score 归一化，对应的反归一化方法也是 min-max 反归一化和 z-score 反归一化。

下面是使用 Python 库进行归一化与反归一化的示例代码：

使用 scikit-learn 库进行 min-max 归一化和反归一化：

from sklearn.preprocessing import MinMaxScaler

# 假设 x 是一个列表，需要进行 min-max 归一化
x = [1, 2, 3, 4, 5]

# 创建 MinMaxScaler 对象
scaler = MinMaxScaler()

# 对 x 进行 min-max 归一化
x_normalized = scaler.fit_transform([x])

# 打印归一化后的结果
print(x_normalized)

# 对归一化后的结果进行反归一化
x_rescaled = scaler.inverse_transform(x_normalized)

# 打印反归一化后的结果
print(x_rescaled)

使用 scikit-learn 库进行 z-score 归一化和反归一化：

from sklearn.preprocessing import StandardScaler

# 假设 x 是一个列表，需要进行 z-score 归一化
x = [1, 2, 3, 4, 5]

# 创建 StandardScaler 对象
scaler = StandardScaler()

# 对 x 进行 z-score 归一化
x_normalized = scaler.fit_transform([x])

# 打印归一化后的结果
print(x_normalized)

# 对归一化后的结果进行反归一化
x_rescaled = scaler.inverse_transform(x_normalized)

# 打印反归一化后的结果
print(x_rescaled)