フィーチャスケーリングを使用した線形回帰

Question

線形回帰のフィーチャスケーリングに関する一般的な質問があります。

私は2年間のデータ量のデータセットを持っています。特定の列の最初の1年間のデータは、2年目のデータとはまったく異なります。私は、第1年の変数と第2年の計算に関連する属性が異なるかもしれないと仮定しています。

とにかく、データセットの外観は次のとおりです。私はこのデータセットを予測したい場合は、明らかに否定的で結果を予測しようとしているが、現実には、データはいくつかの方法で再スケーリングされた、

Date    Col1 
2015-01-01  1500 
2015-01-02  1432 
2015-01-03  1234 
2015-01-04  1324 
2015-01-05  1532 
2015-01-06  1424 
. 
. 
. 
2016-01-01   35 
2016-01-02   31 
2016-01-03   29 
2016-01-04   19 
2016-01-05   22 
2016-01-06   32 

：私は毎年の最初の6行を表示します。

フィーチャスケーリングを適用すると、元のデータセットに戻って予測を行うにはどうすればよいですか？

normalize <- function(x){ 
    return((x-min(x))/(max(x)-min(x))) 
} 

scaled_data <- 
    df %>% 
    group_by(Date %>% 
    mutate(NORMALIZED = normalize(Col1)) 

Answer 1

です。あなた自身で答えを出しても、それを関数に入れることもできます。

この1つは予測値と元のベクトル

backtransform <- function(value, x) { value * (max(x) - min(x)) + min(x) } 

場合や、計算を与えられ、最小値と最大値を保つ必要があり、その後

backtransform2 <- function(value, min, max) { value * (max - min) + min }