我有一组数据，使用scikit-learn进行了缩放处理。缩放后，我想恢复原始数据。这是可能的吗？如果不可能，我怎样才能从原始数据中找到对应关系？

这里是一个示例代码

from sklearn.datasets import load_irisfrom sklearn.preprocessing import scaleiris = load_iris()X = iris.dataX_scale = scale(X)print X[:4]print X_scale[:4]

输出结果为

[[ 5.1  3.5  1.4  0.2] [ 4.9  3.   1.4  0.2] [ 4.7  3.2  1.3  0.2] [ 4.6  3.1  1.5  0.2]][[-0.90068117  1.03205722 -1.3412724  -1.31297673] [-1.14301691 -0.1249576  -1.3412724  -1.31297673] [-1.38535265  0.33784833 -1.39813811 -1.31297673] [-1.50652052  0.10644536 -1.2844067  -1.31297673]]

如何从第二个数据中恢复原始数据？

回答：

特征缩放方法中最常见的一种是将数据集的均值设为零，标准差设为一。这种方法对许多学习算法非常有用。实现这一目标的简单方法如下：

scaled_array = (original_array - mean_of_array)/std_of_array

在Sklearn中，每列数据似乎都是以这种方式进行缩放的。要找回原始数据，只需重新排列上述公式，或者直接计算未缩放数据中每列的标准差和均值。然后，你可以随时使用这些值将缩放后的数据转换回原始数据。

关于Sklearn的缩放方法如何工作的更多信息，请查看这里。要了解更多关于特征缩放的一般知识，维基百科页面是一个很好的起点。