scaler = MinMaxScaler(feature_range=(0, 1)).fit(train) 如何恢复真实值
时间: 2024-04-08 11:35:46 浏览: 29
如果你使用了 `MinMaxScaler` 对训练集进行了归一化处理,那么可以使用该 scaler 对预测结果进行反向操作,以恢复真实值。
假设你拟合了一个名为 `scaler` 的 `MinMaxScaler` 对象,并且对训练集进行了归一化处理。然后,你获得了一个名为 `predictions` 的预测结果,它是归一化后的值。
要恢复真实值,你可以使用以下代码:
```python
# 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)
```
`inverse_transform` 方法将归一化后的值转换回原始范围内的真实值。
注意,在使用 `inverse_transform` 方法之前,确保 `predictions` 的形状与训练集相匹配。例如,如果 `predictions` 是一个二维数组,那么它的列数应该与训练集的特征数相同。这样才能正确地进行转换。
使用 `inverse_transform` 方法时,确保你使用了与训练集相同的 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。
相关问题
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:
```python
# 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。
min_scaler = preprocessing.MinMaxScaler(feature_range=(0,1)).fit(train_data)
这段代码的作用是使用 scikit-learn 库中的 preprocessing 模块,将训练数据 train_data 进行最小-最大归一化处理,并将转换器对象赋值给变量 min_scaler。具体来说,preprocessing.MinMaxScaler() 函数通过 feature_range=(0,1) 参数指定将特征缩放到 [0, 1] 的范围内,然后使用 fit(train_data) 方法拟合训练数据,计算最小值和最大值,并将其保存在转换器对象中。最后,可以使用 min_scaler.transform() 方法将测试数据进行归一化处理。
相关推荐
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)