StandardScaler()反归一化

使用StandardScaler()对数据进行归一化后，可以使用inverse_transform()方法将归一化后的数据反归一化。

示例代码如下：

from sklearn.preprocessing import StandardScaler

# 假设X是一个二维的数据矩阵
scaler = StandardScaler()
X_norm = scaler.fit_transform(X)

# 对归一化后的数据进行反归一化
X_ori = scaler.inverse_transform(X_norm)

需要注意的是，反归一化的结果与原始数据是相似的，但不是完全相同的，因为在归一化的过程中可能会丢失一些信息。此外，如果在归一化过程中使用了其他的方法，例如MinMaxScaler()，则反归一化的方法也会有所不同。