我对我的数据使用了 minimax 缩放器...但我想让预测的数据(输出)非标准化。我想获得原始值而不是标准化值的输出.. 任何人都可以帮助我...
我的规范化数据代码:
scaler = MinMaxScaler()
scaler_X = MinMaxScaler()
scaler_Y = MinMaxScaler()
# fit_transform for training data:
X_train = scaler_X.fit_transform(train.values[:,1:])
y_train = scaler_Y.fit_transform(train.values[:,:1])
# only transform for test (unseen) data:
X_test = scaler_X.transform(test.values[:,1:])
y_test = scaler_Y.transform(test.values[:,:1])
答案 0 :(得分:2)
您可以将 inverse_transform
与相应的最小-最大缩放器对象一起使用。
scaler_Y.inverse_transform(data)
答案 1 :(得分:1)
您真的需要对目标 Y 值也进行标准化吗? 最好的办法可能是您只标准化您的 X 值,并且模型学会从标准化输入中预测未标准化的正确标签。因此,您不必在预测时间内进行转换。当然,X_test 也必须标准化。
归一化很有帮助,因为它解决了梯度爆炸和各种特征之间的尺度差异等问题。大多数情况下不需要标准化目标值