scikit-learn中的Invert MinMaxScaler

Question

为了喂养我的生成神经网络，我需要将一些数据归一化到-1和1之间。 我使用Sklearn中的MinMaxScaler来完成这个过程，效果非常好。现在，我的生成器将输出在-1和1之间的数据。如何反归一化MinMaxScaler以获取实际数据？

- Pusheen_the_dev

Answer 1

让我们从定义Pandas数据帧开始：

cols = ['A', 'B']
data = pd.DataFrame(np.array([[2,3],[1.02,1.2],[0.5,0.3]]),columns=cols)

我们使用MinMaxScaler来对数据进行缩放。

scaler = preprocessing.MinMaxScaler(feature_range = (0,1))
scaled_data = scaler.fit_transform(data[cols])

现在，要反转变换，您应该调用逆变换：

scaler.inverse_transform(scaled_data)

- nunodsousa

---

但是使用这种方法，您会失去列名。 - Nikolay Frick

我可以为您翻译。这句话的意思是“我怎样才能将列B恢复为原始状态？”请注意，我的翻译仅涉及对原文的转换，不包括附加解释或其他内容。 - Henryk Borzymowski

@NikolayFrick 为了保留列名：df[list(df.columns)] = scaler.transform(df)非常有效。 - Pe Dro

Answer 2

您可以使用 逆转换 来实现。

- Lukasz Tracewski

Answer 3

def rev_min_max_func(scaled_val):
    max_val = max(df['target'])
    min_val = min(df['target'])
    og_val = (scaled_val*(max_val - min_val)) + min_val
    return og_val
df['pred_target'] = scaled_labeled_df['pred_scaled_target'].apply(lambda x: rev_min_max_func(x))

即使对我来说这也起作用！

- Akshay Ijantkar

---

这里有三个不同的列名：target、pred_scaled_target和target。那么target是指什么？我82%确定我知道前两个是什么。 - SCool