python - 如何对 sklearn 糖尿病数据集进行非规范化？

Question

有一个不错的example of linear regression在 sklearn 中使用糖尿病数据集。

我复制了笔记本版本并在 Jupyterlab 中玩了一下。当然，它的工作原理就像示例一样。但我想知道我真正看到的是什么。

• 有一个带有未标记轴的图表。
• 我想知道标签(因变量)是什么。
• 我想知道使用了 10 个自变量中的哪一个。

所以我尝试了 ipython/jupyter 提供的优秀功能:

diabetes.DESCR

Diabetes dataset
================
Notes
-----
Ten baseline variables, age, sex, body mass index, average blood
pressure, and six blood serum measurements were obtained for each of 
n = 442 diabetes patients, as well as the response of interest, a
quantitative measure of disease progression one year after baseline.

Data Set Characteristics:
:Number of Instances: 442
:Number of Attributes: First 10 columns are numeric predictive values
:Target: Column 11 is a quantitative measure of disease progression one year after baseline
:Attributes:
:Age:
:Sex:
:Body mass index:
:Average blood pressure:
:S1:
:S2:
:S3:
:S4:
:S5:
:S6:

Note: Each of these 10 feature variables have been mean centered and scaled by the standard
deviation times `n_samples` (i.e. the sum of squares of each column totals 1).
Source URL:
http://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
For more information see:
Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani (2004) 
"Least Angle Regression," Annals of Statistics (with discussion), 407-499.
(http://web.stanford.edu/~hastie/Papers/LARS/LeastAngle_2002.pdf)'

从源 URL 中，我们可以找到原始的 raw data这是数据的制表符分隔的非标准化副本。它还进一步解释了问题域中的“S”特征。

• 有趣的是，性别是 [1,2] 之一，可以猜测它们的含义。

但我真正的问题是 sklearn 是否有办法确定

• 如何在 sklearn 中对数据进行非规范化？
• 有没有一种方法可以对系数和截距进行非规范化，以便可以用代数表达拟合？

或者这只是线性回归的演示？

Answer 1

在标准化之前没有任何有关数据的信息，就无法对数据进行非标准化。但是，请注意，sklearn.preprocessing 类 MinMaxScaler、StandardScaler 等确实包含 inverse_transform 方法 ( example ) ，所以如果示例中也提供了这一点，那就很容易做到了。就目前情况而言，正如你所说，这只是一个回归演示。