使用scikit-learn K-Means时，如何将聚类质心转换回原始数据域？

你可以直接使用之前初始化的MinMaxScaler实例的inverse_transform()方法，把归一化后的质心还原到原始数据的尺度。

具体代码实现： #

# 提取归一化后的聚类质心
scaled_centers = kmeans.cluster_centers_

# 将质心转换回原始数据域
original_centers = scaler.inverse_transform(scaled_centers)

原理说明： #

MinMaxScaler在fit()原始数据时，已经自动记录了每个特征的最小值（scaler.data_min_）和最大值（scaler.data_max_）。归一化的核心公式是：

scaled_value = (original_value - data_min) / (data_max - data_min)

逆转换则是通过该公式反向推导：

original_value = scaled_value * (data_max - data_min) + data_min

inverse_transform()方法会自动完成上述计算，无需手动实现逆转换逻辑。

内容的提问来源于stack exchange，提问作者Colton Campbell