[sklearn] [standardscaler]我可以将标准分割器反转为模型输出吗？

Question

我有一些数据结构如下，试图从功能中预测t。

train_df

t: time to predict
f1: feature1
f2: feature2 
f3:......

可以使用StandardScaler缩放t，所以我改为预测t'然后反转StandardScaler以取回实时时间吗？

例如：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(train_df['t'])
train_df['t']= scaler.transform(train_df['t'])

运行回归模型，

检查分数，

!!用实时值检查预测t'（逆StandardScaler）＆lt; - 可能？

Answer 1

是的，它被称为inverse_transform。

文档提供了其使用示例。

Answer 2

这是示例代码。您可以在此处将data替换为train_df['colunm_name']。 希望对您有所帮助。

from sklearn.preprocessing import StandardScaler
data = [[1,1], [2,3], [3,2], [1,1]]
scaler = StandardScaler()
scaler.fit(data)
scaled = scaler.transform(data)
print(scaled)

# for inverse transformation
inversed = scaler.inverse_transform(scaled)
print(inversed)