如何恢复 R 中数据的回缩？

Question

我有一个包含如下数据的数据集：

       value
[1,] 41601325
[2,] 54917632
[3,] 64616616
[4,] 90791277
[5,] 35335221
[6,]    .
  .     .
  .     .

我必须使用它缩小到范围 [0,1]

apply(data1, MARGIN = 2, FUN = function(X) (X - min(X))/diff(range(X)))

因为我需要将数据放入包GP_fit()中GPfit。缩小后的值变成：

       value
[1,] .4535
[2,] .56355
[3,] .64616
[4,] .70791
[5,] .35563
[6,]    .
  .     .
  .     .

在应用GP_fit()缩放数据并使用predict()并作为输出后，我得到了新值，这些值再次位于范围 [0,1] 内，如下所示：

         value
    [1,] .0135
    [2,] .234355
    [3,] .6716
    [4,] .325079
    [5,] .95563
    [6,]    .
      .     .
      .     .

但我想把这些带回原来的范围。我怎样才能做到这一点？

基本上我想恢复/返回原始格式以显示输出predict()

注意：原始范围不是固定的，可以变化，但通常可能的最大值约为 2000 万。

更新：我厌倦了实现@JustinFletcher 编写的代码。我的数据是：

    value
 [1,]  54.2
 [2,]  53.8
 [3,]  53.9
 [4,]  53.8
 [5,]  54.9
 [6,]  55.0
 [7,]  38.5
 [8,]  38.0
 [9,]  38.1
[10,]  38.0
[11,]  38.8
[12,]  38.9
[13,]  24.3
[14,]  24.1
[15,]  24.3
[16,]  24.1
[17,]  24.4
[18,]  24.4
[19,]  57.3
[20,]  57.2
[21,]  57.6
[22,]  57.7
[23,]  58.1
[24,]  57.9

我写这个是为了在 [0,1] 范围内重新调整它：

data_new <- apply(data_test, MARGIN = 2, FUN = function(X) (X - min(X))/diff(range(X)))

我得到了

           value
 [1,] 0.885294118
 [2,] 0.873529412
 [3,] 0.876470588
 [4,] 0.873529412
 [5,] 0.905882353
 [6,] 0.908823529
 [7,] 0.423529412
 [8,] 0.408823529
 [9,] 0.411764706
[10,] 0.408823529
[11,] 0.432352941
[12,] 0.435294118
[13,] 0.005882353
[14,] 0.000000000
[15,] 0.005882353
[16,] 0.000000000
[17,] 0.008823529
[18,] 0.008823529
[19,] 0.976470588
[20,] 0.973529412
[21,] 0.985294118
[22,] 0.988235294
[23,] 1.000000000
[24,] 0.994117647

然后为了将其恢复到原始比例，我写了这样的：

data_revert <- apply(data_new, MARGIN = 2, FUN = function(X, Y) (X + min(Y))*diff(range(Y)), Y=data_test)

我得到了

 value
 [1,] 849.5
 [2,] 849.1
 [3,] 849.2
 [4,] 849.1
 [5,] 850.2
 [6,] 850.3
 [7,] 833.8
 [8,] 833.3
 [9,] 833.4
[10,] 833.3
[11,] 834.1
[12,] 834.2
[13,] 819.6
[14,] 819.4
[15,] 819.6
[16,] 819.4
[17,] 819.7
[18,] 819.7
[19,] 852.6
[20,] 852.5
[21,] 852.9
[22,] 853.0
[23,] 853.4
[24,] 853.2

这个输出不正确。

Answer 1

这是简单的代数。要缩放数据，您需要计算

n = (e - e_min)/(e_max - e_min)

现在你需要返回 e，基于任意e_min和e_max。证明这一点是微不足道的

n(e_max - e_min) + e_min = e

例子：

e <- 1:10
n <- (e - min(e))/(max(e) - min(e))
new.e <- (n*(10-1)) + 1

> all(e == new.e)
[1] TRUE