在sklearn python中撤消L2规范化

Question

使用sklearn l2归一化器对数据进行归一化并将其用作训练数据后：如何将预测的输出恢复为“原始”形状？

在我的示例中，我将归一化的住房价格用作y，将归一化的居住空间用作x。每个都适合自己的X_和Y_Normalizer。

y_predict也处于标准化状态，我该如何变成原始原始货币状态？

谢谢。

Answer 1

如果您正在谈论对sklearn.preprocessing.Normalizer矩阵线进行规范化的 ，不幸的是，除非您将它们手动存储在某处，否则无法恢复到原始规范。

如果您使用的sklearn.preprocessing.StandardScaler是对列进行规范化的，那么您可以获得返回该缩放器属性所需的值（mean_如果with_mean设置为Trueand std_）

如果您在管道中使用规范化器，则无需担心这一点，因为您不会就地修改数据：

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import Normalizer

# classifier example
from sklearn.svm import SVC

pipeline = make_pipeline(Normalizer(), SVC())