inverse scaling for a forecasted value

在进行时间序列预测时，我们通常需要将预测的值还原为原始的数据范围。下面是一个示例函数，用于将预测的值还原为原始的数据范围：

# 将预测的值还原为原始的数据范围
def invert_scale(scaler, X, yhat):
    # 将yhat与X水平堆叠
    inv_yhat = np.concatenate((yhat, X[:, 1:]), axis=1)
    # 将数据反向转换
    inv_yhat = scaler.inverse_transform(inv_yhat)
    # 返回预测值的第一列
    return inv_yhat[:,0]

该函数接受一个缩放器、预测值和相关的输入特征，并返回预测值的原始数据范围。在上面的示例函数中，我们假设预测值和相关的输入特征都已经缩放，并将它们水平堆叠在一起。然后，我们使用缩放器的`inverse_transform`方法将缩放后的数据转换回原始数据范围。最后，我们返回预测值的第一列，即原始数据范围内的预测值。

例如，如果我们有一个缩放器、一个预测值和相关的输入特征，其中预测值和输入特征都已经缩放到`[-1,1]`的范围内，我们可以使用该函数将预测值还原为原始的数据范围。