normalized反归一化

normalized 和 反归一化 是数据预处理中常用的两个操作。normalized 是将数据缩放到 [0,1] 或 [-1,1] 的范围内，通常使用 Min-Max Scaler 或者 Z-Score Scaler 完成。而反归一化则是将经过 normalized 处理后的数据恢复回原始数据范围内。

以 Min-Max Scaler 为例，它的公式为：

$X_{norm} = \frac{X - X_{min}}{X_{max} - X_{min}}$

其中，$X$ 为原始数据，$X_{min}$ 和 $X_{max}$ 分别为原始数据的最小值和最大值。反归一化则可以使用以下公式：

$X = X_{norm} \times (X_{max} - X_{min}) + X_{min}$

这样就可以将经过 normalized 处理后的数据恢复到原始范围了。