我是神经网络的新手（只是一个免责声明） .
基于8个特征，我有一个预测混凝土强度的回归问题 . 我首先做的是使用min-max规范化重新调整数据：
# Normalize data between 0 and 1
from sklearn.preprocessing import MinMaxScaler
min_max = MinMaxScaler()
dataframe2 = pd.DataFrame(min_max.fit_transform(dataframe), columns = dataframe.columns)
然后将数据帧转换为numpy数组并将其拆分为X_train，y_train，X_test，y_test . 现在这里是网络本身的Keras代码：
from keras.models import Sequential
from keras.layers import Dense, Activation
#Set the params of the Neural Network
batch_size = 64
num_of_epochs = 40
hidden_layer_size = 256
model = Sequential()
model.add(Dense(hidden_layer_size, input_shape=(8, )))
model.add(Activation('relu'))
model.add(Dense(hidden_layer_size))
model.add(Activation('relu'))
model.add(Dense(hidden_layer_size))
model.add(Activation('relu'))
model.add(Dense(1))
model.add(Activation('linear'))
model.compile(loss='mean_squared_error', # using the mean squared error function
optimizer='adam', # using the Adam optimiser
metrics=['mae', 'mse']) # reporting the accuracy with mean absolute error and mean squared error
model.fit(X_train, y_train, # Train the model using the training set...
batch_size=batch_size, epochs=num_of_epochs,
verbose=0, validation_split=0.1)
# All predictions in one array
predictions = model.predict(X_test)
问题：
-
predictions 数组将包含缩放格式的所有值（介于0和1之间），但显然我需要将预测设置为实际值 . 如何将这些输出重新调整为实际值？
-
Min-Max或Z-Score标准化是否更适合回归问题？这个'批量标准化'怎么样？
谢谢，
2 回答
根据doc，
MinMaxScaler类有一个inverse_transform方法可以执行您想要的操作：inverse_transform（X）：根据feature_range撤消X的缩放 .
对于1：使用
inverse_transform()与您使用相同的MinMaxScaler fit_transformed您的原始数据：http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html#sklearn.preprocessing.MinMaxScaler.inverse_transform