我正在通过使用波士顿房价数据集学习scikit-learn和机器学习。

# 我分割了初始数据集（'housing_X'和'housing_y'）
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(housing_X, housing_y, test_size=0.25, random_state=33)
# 我对这两个数据集进行了缩放
from sklearn.preprocessing import StandardScaler
scalerX = StandardScaler().fit(X_train)
scalery = StandardScaler().fit(y_train)
X_train = scalerX.transform(X_train)
y_train = scalery.transform(y_train)
X_test = scalerX.transform(X_test)
y_test = scalery.transform(y_test)
# 我创建了模型
from sklearn import linear_model
clf_sgd = linear_model.SGDRegressor(loss='squared_loss', penalty=None, random_state=42)
train_and_evaluate(clf_sgd,X_train,y_train)

基于这个新模型clf_sgd，我尝试根据X_train的第一个实例来预测y。

X_new_scaled = X_train[0]
print (X_new_scaled)
y_new = clf_sgd.predict(X_new_scaled)
print (y_new)

然而，结果对我来说相当奇怪（1.34032174，而不是20-30，这是房价的范围）

[-0.32076092  0.35553428 -1.00966618 -0.28784917  0.87716097  1.28834383  0.4759489  -0.83034371 -0.47659648 -0.81061061 -2.49222645  0.35062335 -0.39859013]
[ 1.34032174]

我猜测这个1.34032174的值应该被重新缩放，但我尝试找出如何做却没有成功。欢迎任何建议。非常感谢。

回答：

你可以使用scalery对象的inverse_transform方法：

y_new_inverse = scalery.inverse_transform(y_new)