我正在忙于使用循环神经网络来预测加密货币价格。这个项目的原因是学校的要求。我已经完成了项目的很大一部分，但遇到了一个问题。在我的代码中，我有一个数据框(df)。数据框中的值很大，所以我使用以下方法将其转换为较小的值：

for col in df.columns:    if col != "target":        df[col] = df[col].pct_change()        df.dropna(inplace=True)        df[col] = preprocessing.scale(df[col].values)

但是，当我将这些数据输入模型后，我需要将这些值重新变回原始值。我已经尝试了网上所有的方法，但始终找不到解决方案。有人可以帮我吗？

编辑：
我想在model.fit之后进行缩放！所以当我用以下代码训练模型时：

# 训练模型model.fit(    train_x, train_y,    batch_size=64,    epochs=EPOCHS,    validation_split=0.05,    callbacks=[tensorboard])

我该怎么做呢？

回答：

如果你想回到原始数据，你可以使用预缩放器，并通过乘以标准差并加上均值（这与缩放器的操作相反），然后对pct_change做同样的处理。

但这会给你的数据增加噪音。

这里最好的解决方案是保留你的原始数据，并在另一个数据框中处理网络所需的数据。