我有一个包含8个因变量的数据集（其中2个为分类数据）。我已经应用了ExtraTreeClassifier()来剔除一些因变量。我还对X和y进行了特征缩放。

 from sklearn.preprocessing import StandardScaler sc = StandardScaler() X = sc.fit_transform(X) X = sc.transform(X) y = sc.fit_transform(y) y = sc.transform(y)

之后，我将数据集进行了如下拆分：

from sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X_new, encoded2, test_size = 0.25, random_state = 0)

现在，我正在应用DecisionTreeRegressor算法进行预测。但我希望得到实际的预测值（目前我得到的是缩放后的值）。如何做到这一点？是否有其他方法可以实现？因为我目前的方法给出的RMSE=0.02，而如果我不对因变量进行特征缩放，RMSE=18.4。请建议如何解决这种问题。

回答：

首先，对目标变量（y）进行缩放并不是必需的，但如果你确实进行了缩放，StandardScaler和其他类似的预处理技术都有一个inverse_transform函数，通过它你可以得到原始值。

从StandardScaler的文档中可以看到：

inverse_transform(X[, copy]) 将数据缩放回原始表示