我有一个包含 8 个因变量(2 个分类数据)的数据集。我已经应用了 ExtraTreeClassifier() 来消除一些因变量。 我还对 X,y 进行了特征缩放。
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X = sc.fit_transform(X)
X = sc.transform(X)
y = sc.fit_transform(y)
y = sc.transform(y)
在此之后，我将数据集分割为
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_new, encoded2,
test_size = 0.25, random_state = 0)
现在我正在应用DecisionTreeRegressor算法进行预测。
但我想要实际的预测(现在我正在获得缩放值)。
怎么做？
还有其他方法可以做到吗？
因为我所做的方法是给出 RMSE = 0.02，如果我没有进行特征缩放，则因变量 RMSE = 18.4。
请建议如何解决此类问题。
最佳答案
首先，不需要缩放目标变量 (y)，但如果您确实缩放它，StandardScaler 和各种其他此类预处理技术可以inverse_transform 函数，您可以通过它获取原始值。
来自 StandardScaler 的文档:
inverse_transform(X[, copy])Scale back the data to the original representation
关于python-3.x - 我们可以对数据集中的 "independent variable"应用特征缩放吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52447807/