Изменить значения обратно на исходные значения

Question

Я занят в Рекуррентной нейронной сети для прогнозирования цен на криптовалюты. Поэтому я занимаюсь этим проектом из-за школы. Я довольно далеко от проекта, но столкнулся с проблемой. Итак, в моем коде у меня есть датафрейм (df). В кадре данных значения довольно большие, поэтому я изменил их на меньшие значения, используя это:

for col in df.columns:
    if col != "target":
        df[col] = df[col].pct_change()
        df.dropna(inplace=True)
        df[col] = preprocessing.scale(df[col].values)

Но после того, как я поместил его в модель, мне нужны значения, возвращенные к исходным. Итак, я попробовал все в Интернете, но я не мог найти свое решение. Может ли кто-нибудь помочь мне с этим?

EDIT:
Я хочу масштабировать значения после model.fit! Поэтому, когда я тренирую модель с этим:

# Train model
model.fit(
    train_x, train_y,
    batch_size=64,
    epochs=EPOCHS,
    validation_split=0.05,
    callbacks=[tensorboard])

Как я могу это сделать?

Answer 1

Если вы хотите вернуться к исходным данным, у вас есть прескалер, и вы можете умножить его на стандартное отклонение и добавить среднее значение (противоположное тому, что оно делает), а затем то же самое для pct_change.

Но это добавит шум к вашим данным.

Лучшее решение здесь - сохранить ваши исходные данные и обработать их в другом кадре данных для сети.