Kerasモデルからの出力を元のスケールに再スケーリングする

Question

私はニューラルネットを初めて使用しています（放棄）。

私は、8つの特徴に基づいてコンクリートの強度を予測する回帰問題を抱えています。私が最初にやった、最小 - 最大の正規化を使用してデータを再スケーリングされています

# 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) 

その後、numpyの配列にデータフレームに変換し、X_train、y_trainに分割し、X_test、y_test。 は、今ここで、ネットワーク自体のKerasコードである：

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) 

質問：

1. 予測アレイは、スケーリングされた形式のすべての値（0〜1）が、明らかになります私は予測が本当の価値にあることが必要です。これらの出力を実際の値に戻すにはどうすればよいですか？

2. 回帰問題に対してMin-MaxまたはZ-Scoreの標準化がより適切ですか？この「バッチ正規化」はどうですか？

   inverse_transform（X）：

がdocを1として、

Answer 1

をありがとう、MinMaxScalerクラスが何をしたいんinverse_transform方法がありfeature_rangeによるXのスケーリングを元に戻します。 1については

Answer 2

：使用inverse_transform()あなたは、元のデータをfit_transformedたのと同じMinMaxScalerと：それは2つの質問が含まれており、最初の1（リスケーリング）：

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html#sklearn.preprocessing.MinMaxScaler.inverse_transform