Python中的MATLAB mapminmax函数？

Question

总结：我对线性回归模型的数据进行了归一化，我想将归一化恢复为原始值：

我有以下函数可以在 MATLAB 中反转归一化数据：

Y_Pred_denorm=(mapminmax('reverse','Y_pred',params.Y))';

如何在 Python 中编写此代码？我做了一些阅读并想出了以下引发错误的内容：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler(feature_range=(60, 90))

Y_Pred_denorm = Y_Pred.reshape(-1, 1) 

new_Y = scaler.fit_transform(60, 90)

Answer 1

我其实没看懂你的代码，但是你可以使用inverse_transform 方法来反向缩放。示例：

from sklearn.preprocessing import MinMaxScaler

X = [[100, -100], [25, 30], [50, 50]]
scaler = MinMaxScaler(feature_range=(60, 90))
X_transformed = scaler.fit_transform(X)
print(X_transformed)
X_retransformed = scaler.inverse_transform(X_transformed)
print(X_retransformed)

结果：

[[90. 60.]
 [60. 86.]
 [70. 90.]]
[[ 100. -100.]
 [  25.   30.]
 [  50.   50.]]

编辑：如果是一维输入，过程类似。唯一的区别是相关方法的 scikit learn API 只接受二维数组，所以数组应该是 nx1 二维矩阵。

from sklearn.preprocessing import MinMaxScaler
import numpy as np

X = [100, -100, 25, 30, 50, 50]
X = np.array(X).reshape((-1, 1)) # This line is for converting X into nx1 2D matrix.

scaler = MinMaxScaler(feature_range=(60, 90))
X_transformed = scaler.fit_transform(X)
print(X_transformed)
X_retransformed = scaler.inverse_transform(X_transformed)
print(X_retransformed)