\[sklearn\]\[standardscaler\] 我可以反转模型输出的 standardscaler 吗？

Question

我有一些数据结构如下，试图从特征中预测 t 。

 train_df

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

t 可以用 StandardScaler 缩放，所以我改为预测 t' 然后反转 StandardScaler 以恢复实时？

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，

！！用实时值检查预测的 t’（逆 StandardScaler）<- 可能吗？

原文由 hyon 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

是的，它被方便地称为 inverse_transform 。

该文档提供了其使用示例。

原文由 Arya McCarthy 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

这是示例代码。您可以在此处将 data 替换为 train_df['colunm_name'] 。希望能帮助到你。

 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)

原文由 rohan chikorde 发布，翻译遵循 CC BY-SA 4.0 许可协议