一旦我使用sklearn l2规范化器对我的数据进行了规范化并将其用作训练数据： 如何将预测输出恢复为“原始”形状？
在我的例子中，我使用标准化住房价格作为y，并将生活空间标准化为x。每个都用于适合自己的X_和Y_Normalizer。
因此y_predict也处于规范化形状，如何进入原始原始货币状态？
谢谢。
答案 0 :(得分：3)
如果你正在谈论规范化矩阵线的sklearn.preprocessing.Normalizer，遗憾的是除非你在某处手工存储它们，否则无法回到原始规范。
如果您使用sklearn.preprocessing.StandardScaler来规范化列，那么您可以获取返回该缩放器属性所需的值（mean_ if {{ 1}}设置为with_mean和True）
如果您在管道中使用规范化器，则无需担心这一点，因为您不会修改数据：
std_答案 1 :(得分：0)
非常感谢您的回答，我在
之前不了解管道功能对于L2规范化的情况，你可以手动完成。 以下是小数组的一个示例：
x = np.array([5, 8 , 12, 15])
#Using Sklearn
normalizer_x = preprocessing.Normalizer(norm = "l2").fit(x)
x_norm = normalizer_x.transform(x)[0]
print x_norm
>array([ 0.23363466, 0.37381545, 0.56072318, 0.70090397])
或者用正方形的平方根的重量手动完成：
#Manually
w = np.sqrt(sum(x**2))
x_norm2 = x/w
print x_norm2
>array([ 0.23363466, 0.37381545, 0.56072318, 0.70090397])
所以转过身来＆＃34;回来＆＃34;通过乘以＆＃34; w＆＃34;。
，可以简单地将原始甲酸盐转化为原状