对原始数据进行标准化的模型，终端运行输出结果反标准化

版权声明：学习分享，共同进步 https://blog.csdn.net/Andrew_jdw/article/details/82691118

对于数据经过标准化后建立的模型，预测后的输出也是标准化之后的。

在模型打包后，需要将之前标准化的参数也进行打包。这样才能保证在终端运行model时输出真实的结果。

标准化参数打包方法：

from sklearn.preprocessing import MinMaxScaler
from sklearn.externals import joblib
scaler = MinMaxScaler(feature_range=(0, 1))
scaler_argv = scaler.fit(data)
joblib.dump(sscaler_argv,'scaler')

对输出结果进行还原，若输出结果为x，

from sklearn.externals import joblib 
scaler = joblib.load('scaler')
testX = scaler.transform(testX)
x = model.predict(testX)#testX为需要model测试数据
x = scaler.inverse_transform(x)
print(x)