我有一组如下数据：

km,price240000,3650139800,3800150500,4400185530,4450176000,5250114800,5350166800,580089000,5990144500,599984000,620082029,639063060,639074000,660097500,680067000,680076025,690048235,690093000,699060949,749065674,755554000,799068500,799022899,799061789,8290

在对它们进行归一化后，我执行了梯度下降法，得到以下theta值：

θ0 = 0.9362124793084768θ1 = -0.9953762249792935

如果我输入一个归一化的里程数，我可以正确预测价格，然后将预测的价格反归一化，例如：

50000公里里程的询价：归一化里程：0.12483129971764294归一化价格：(mx + c) = 0.8119583714362707实际价格：7417.486843464296

我希望将我的theta值恢复到未归一化的值，但无论我尝试哪个方程，我都无法做到这一点。有没有办法做到这一点？

回答：

这只是一个需要解决的两个变量的方程，如您所见（请原谅我的手写）：https://ibb.co/178qWcQ。

以下是进行计算的Python代码：

x0, x1 = self.training_set[0][0], self.training_set[1][0]x0n, x1n = self.normalized_training_set[0][0], self.normalized_training_set[1][0]y0n, y1n = self.hypothesis(x0n), self.hypothesis(x1n)p_diff = self.max_price - self.min_pricetheta0 = (x1 / (x1 - x0)) * (y0n * p_diff + self.min_price - (x0 / x1 * (y1n * p_diff + self.min_price)))y0 = self.training_set[0][1]theta1 = (y0 - theta0) / x0print(theta0, theta1) //RESULT: 8481.172796984529 -0.020129886654102203