sklearn Pipeline缩放后预测值还原为原始尺度的实现方法

你Pipeline中定义的StandardScaler仅作用于输入特征X，不会对目标变量y产生缩放影响，从你变量名y_pred_log可以判断你训练模型时应该对原始目标值做了对数变换，绝大多数共享单车需求预测场景下用的是np.log1p()做的对数变换，对应的逆变换步骤如下：

核心实现代码 #

import numpy as np

# 逆对数变换 -> 过滤负数 -> 转整数
y_pred = np.expm1(y_pred_log).clip(min=0).astype(int)

代码说明 #

• np.expm1() 和训练时的 np.log1p() 是配对的对数逆变换操作，对小数值的计算精度更高，同时适配目标变量存在0值的场景
• .clip(min=0) 用于过滤负预测值，符合租赁量不可能为负的业务逻辑
• .astype(int) 直接将浮点型预测结果转为整数类型

如果你是对目标变量单独做了标准化而非对数变换，可使用对应scaler的逆变换方法实现：

# 需替换为你自己拟合的y值scaler变量名
y_pred = y_scaler.inverse_transform(y_pred_log.reshape(-1, 1)).flatten().clip(min=0).astype(int)

内容的提问来源于stack exchange，提问作者ShridharK