数据被归一化处理后没办法进行反归一化

数据归一化是将数据按比例缩放，使之落入一个小的特定区间。反归一化是将归一化后的数据还原为原始数据的过程。一般情况下，反归一化的方法与归一化的方法是相同的，只需要将归一化的结果乘以一个系数即可。例如，如果使用[-1,1]归一化方法，那么反归一化的方法就是将归一化后的数据乘以(原始数据的最大值-最小值)/2，再加上(原始数据的最大值+最小值)/2即可还原为原始数据。但是，如果使用其他的归一化方法，反归一化的方法可能会有所不同。

相关问题

MATLAB对归一化后的数据进行反归一化的代码

在MATLAB中，可以使用以下代码对归一化后的数据进行反归一化：

function denormalized_data = denormalize_data(normalized_data, min_val, max_val)
    denormalized_data = normalized_data * (max_val - min_val) + min_val;
end

其中，`normalized_data`是归一化后的数据，`min_val`和`max_val`分别是原始数据的最小值和最大值。函数`denormalize_data`将归一化后的数据反归一化为原始数据。

使用示例：

normalized_data = [0.5; 0.8; 0.2];
min_val = 0;
max_val = 10;
denormalized_data = denormalize_data(normalized_data, min_val, max_val);
disp(denormalized_data);

输出结果：

5
8
2

LSTM 对数据进行归一化处理 ， 并反归一化 代码示例

LSTM模型对数据进行归一化处理的代码示例如下：

from sklearn.preprocessing import MinMaxScaler

# 创建归一化对象
scaler = MinMaxScaler()

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

# 反归一化
original_data = scaler.inverse_transform(normalized_data)

在这个示例中，我们使用了`sklearn`库中的`MinMaxScaler`类来进行归一化操作。首先，我们创建了一个`MinMaxScaler`对象，然后使用`fit_transform`方法对数据进行归一化，得到归一化后的数据`normalized_data`。最后，我们可以使用`inverse_transform`方法将归一化后的数据反归一化，得到原始的数据`original_data`。