在模型训练前做了归一化或者标准化处理。有了测试数据输入模型后怎样实现反归一化，有案例代码吗

Question

在模型训练前做了归一化或者标准化处理。有了测试数据输入模型后怎样实现反归一化，有案例代码吗

Answer 1

liuyubobobo 2019-03-06 01:38:20

以标准化处理为例：

把一个数字x归一化成为x_normalized，如果使用x_normalized = (x - μ) / σ 的话，

那么如果已知一个x_normalized，反向求出x的方式就是  x= x_normalized *  σ + μ

当然，你的归一化方式可能是其他方式，比如你可能使用最大最小归一化：

x_normalized = (x - xmin) / (xmax - xmin)，

那么反向，已知x_normalized，求x的方式就是 x = x_normalized * (xmax - xmin) + xmin

总之，就是将归一化的式子颠倒过来：）（反函数）

但是，对于机器学习算法来说，我们的模型是做预测，预测结果是某一个类（分类问题），或者一个数值（回归问题），所以我们只是对数据进行过一化处理（X），对结果是不需要归一化处理的(y)！（也不牵扯反归一化）。可以再仔细理解一下这个课程的实例，无论是房价预测，鸢尾花分类，手写识别还是人脸识别，我们从来不会对y做归一化处理，也不会对预测结果y做反归一化处理。我们训练的模型，测试数据输入之后，就可以直接得到结果。

但如果你训练模型的时候，喂给模型的那个y做过归一化处理，这个步骤其实已经和机器学习无关了。 就好比本来你的数据时高考学生数据，每个学生对应一个高考分数（0-750之间），但你先对这个高考分数做了归一化处理，变成0-1之间，那么你的模型预测的结果一定是0-1之间的数，你需要直到原先对y做归一化相应的参数（均值，方差，ymin,ymax），然后进行反向归一化。这个过程其实和机器学习的模型训练没关系：）

继续加油！：）

• uuugggd #1

  那请问这种对y进行归一化的操作是可以进行的吗？
  y归一化的操作，是不是因为在反归一化的过程会丢失精度，所以一般不这么做？

• liuyubobobo 回复 uuugggd #2

  可以进行。就算不丢失精度，对于这个课程的算法来说，完全没有必要。因为没有任何目的性。

• Chris8 #3

  用归一化数据训练出来模型，模型上线后输入的数据也要做归一化处理吧？算法工程师提供的模型里边是否已经包含对输入数据的归一化处理？

点开查看后面1条评论