如何非规范化 sklearn 糖尿病数据集？答案

【问题标题】：How do I denormalize the sklearn diabetes dataset?如何非规范化 sklearn 糖尿病数据集？
【发布时间】：2019-02-15 11:29:33
【问题描述】：

sklearn 中有一个很好的example of linear regression 使用糖尿病数据集。

我复制了笔记本版本并在 Jupyterlab 中玩了一下。当然，它就像示例一样工作。但我想知道我真正看到的是什么。

有一个带有未标记轴的图表。
我想知道标签（因变量）是什么。
我想知道使用了 10 个自变量中的哪一个。

所以我玩弄了 ipython/jupyter 提供的不错的功能：

diabetes.DESCR

Diabetes dataset
================
Notes
-----
Ten baseline variables, age, sex, body mass index, average blood
pressure, and six blood serum measurements were obtained for each of 
n = 442 diabetes patients, as well as the response of interest, a
quantitative measure of disease progression one year after baseline.

Data Set Characteristics:
:Number of Instances: 442
:Number of Attributes: First 10 columns are numeric predictive values
:Target: Column 11 is a quantitative measure of disease progression one year after baseline
:Attributes:
:Age:
:Sex:
:Body mass index:
:Average blood pressure:
:S1:
:S2:
:S3:
:S4:
:S5:
:S6:

Note: Each of these 10 feature variables have been mean centered and scaled by the standard
deviation times `n_samples` (i.e. the sum of squares of each column totals 1).
Source URL:
http://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
For more information see:
Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani (2004) 
"Least Angle Regression," Annals of Statistics (with discussion), 407-499.
(http://web.stanford.edu/~hastie/Papers/LARS/LeastAngle_2002.pdf)'

从源 URL，我们被引导到原始的 raw data，它是一个制表符分隔的非规范化数据副本。它还进一步解释了问题域中的“S”特征。

有趣的是，性是 [1,2] 之一，人们猜测它们的含义。

但我真正的问题是sklearn 中是否有办法确定

如何对 sklearn 中的数据进行非规范化处理？
有没有一种方法可以对系数进行非规范化和截距，以便可以用代数表达拟合？

或者这只是线性回归的演示？

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

如果没有关于规范化之前数据的任何信息，就无法对数据进行非规范化。但是，请注意 sklearn.preprocessing 类 MinMaxScaler、StandardScaler 等确实包含 inverse_transform 方法 (example)，因此如果示例中也提供了这些方法，则很容易做到。就目前而言，正如您所说，这只是一个回归演示。

【讨论】：