知道原始数据已消失，如何从缩放后的原始数据中获取原始数据？

Question

我实际上需要估算原始（不可用）数据的真实参数，以重建原始数据。

这样的给定数据可能已经出于神秘目的通过了去定义和缩放过程。

所以我想知道是否有一种方法可以简单地执行逆向工程任务， 使用python。 或任何 统计技术 。

例如：虹膜数据

from sklearn.datasets import load_iris
from sklearn.preprocessing import scale
iris = load_iris()
X = iris.data    
print X[:4]

带输出：

[[ 5.1  3.5  1.4  0.2]
 [ 4.9  3.   1.4  0.2]
 [ 4.7  3.2  1.3  0.2]
 [ 4.6  3.1  1.5  0.2]]

和

X_scale = scale(X)
print X_scale[:4]

将输出

    [[-0.90068117  1.03205722 -1.3412724  -1.31297673]
 [-1.14301691 -0.1249576  -1.3412724  -1.31297673]
 [-1.38535265  0.33784833 -1.39813811 -1.31297673]
 [-1.50652052  0.10644536 -1.2844067  -1.31297673]]

所以问题是：  是否可以在不知道X的情况下从缩放数据 X_scale取回原始数据 X？

PS

我知道我可以通过以下方式逆转这种变化

• 将缩放后的数据与标准偏差和
相乘
• 添加平均值

但是我要估计这些参数！