scaler = MinMaxScaler(feature_range=(0, 1)).fit(train)

根据你提供的代码，我看到你使用了 `MinMaxScaler` 对训练集进行了归一化处理，并将特征范围映射到了 (0, 1)。

在这种情况下，如果你想要恢复测试集的真实值，你需要使用相同的 `scaler` 对测试集进行归一化处理，并使用 `inverse_transform` 方法来反向操作。

以下是一个示例代码：

# 对测试集进行归一化处理
test_normalized = scaler.transform(test)

# 进行预测操作，得到归一化后的预测结果 predictions

# 反向操作，将归一化后的预测结果恢复为真实值
restored_predictions = scaler.inverse_transform(predictions)

在这个例子中，`test_normalized` 是经过归一化处理的测试集数据，`predictions` 是对归一化后的测试集进行预测得到的结果。通过 `inverse_transform` 方法，你可以将归一化后的预测结果恢复为原始范围内的真实值。

确保在进行反向操作时使用相同的 `scaler` 对象，这样可以确保在反向操作中使用了正确的归一化参数。