将 Keras 模型的输出重新缩放回原始比例

我是神经网络的新手（只是免责声明）。

我有一个基于 8 个特征预测混凝土强度的回归问题。我首先做的是使用最小-最大标准化重新调整数据：

# 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：

1. 预测array 将具有缩放格式的所有值（0 到 1 之间），但显然我需要预测为其真实值。如何将这些输出重新调整回实际值？

2. 最小-最大标准化还是 Z 分数标准化更适合回归问题？这个“批量归一化”怎么样？

谢谢你，

根据doc http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html, the MinMaxScaler类有一个inverse_transform执行您想要的操作的方法：

inverse_transform(X)：根据feature_range撤销X的缩放。