Как денормализовать данные, используемые для обучения RNN?

Question

Я использую код, определенный в разделе «Использование» этого репо: https://github.com/achillesrasquinha/bulbea/

Я получаю тот же вывод:

Допри обучении и тестировании данные нормализуются с помощью следующего кода:

if normalize:
splits = np.array([_get_cummulative_return(split) for split in splits])

size   = len(splits)
split  = int(np.rint(train * size))

train  = splits[:split,:]
test   = splits[split:,:]

И нормализующая функция:

def _get_cummulative_return(data):
cumret  = (data / data[0]) - 1

return cumret

Процесс моделирования:

Xtrain = np.reshape(Xtrain, (Xtrain.shape[0], Xtrain.shape[1], 1))
Xtest  = np.reshape( Xtest, ( Xtest.shape[0],  Xtest.shape[1], 1))

rnn = RNN([1, 100, 100, 1]) # number of neurons in each layer
rnn.fit(Xtrain, ytrain)

И тестирование:

p = rnn.predict(Xtest)

, чтобы использовать этот предиктор, должен ли я:

1. Нормализовать с помощью той же функции мои новые входные данные, использованные для прогноза?
2. Передать данные в предиктор и денормализовать вывод?

Если да, как денормализовать данные?