我按照以下方式创建了一个管道（使用Keras Scikit-Learn API）
estimators = []
estimators.append(('standardize', StandardScaler()))
estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=50, batch_size=5, verbose=0)))
pipeline = Pipeline(estimators)
并适合
pipeline.fit(trainX,trainY)
如果我用pipline.predict(testX)预测，我（相信）我会得到标准化的预测。
如何预测testX以使predictedY与实际（未触及）testY的比例相同（即非标准化预测，而是实际值）？我看到有inverse_transform method for Pipeline，但似乎只是为了还原已转换的X。
答案 0 :(得分：5)
完全。管道中的StandardScaler（）仅映射pipeline.fit（trainX，trainY）的输入（trainX）。
所以，如果你的模型适合于训练，你需要将它标准化，你应该将你的trainY映射为
{{1}}
inverse_transform（）函数根据StandardScaler（）。fit（）中计算的标准差和平均值来映射其值。
如您所述，您可以随时调整模型而不缩放Y，但这可能很危险，具体取决于您的数据，因为它可能导致您的模型过度拟合。你必须测试它;）