Как получить «реальный» выход из обученной сети с нормированными входами в ML. NET?

Question

Я использовал метод normalizeMinMax ML. NET, чтобы нормализовать входные данные для моей нейронной сети:

 IEstimator<ITransformer> pipeline = mlContext.Transforms.NormalizeMinMax(outputColumnName: "Label", inputColumnName: "Co2")
   .Append(mlContext.Transforms.Concatenate("Features", "Year", "Population"))
   .Append(mlContext.Regression.Trainers.Sdca());

Это работает нормально, но когда я пытаюсь делать предсказания с NN, выходы вроде бы все еще нормализованы. Вот как я называю механизм прогнозирования:

TwoInputRegressionModel[] populationData = new TwoInputRegressionModel[Population.Count];

for (int i = 0; i < Population.Count; i++)
{
     populationData[i] = new TwoInputRegressionModel() 
     {
        Population = Population[i].Value.value, Year = Population[i].Year};
     }
}

IDataView inputData = mlContext.Data.LoadFromEnumerable(populationData);
IDataView predictions = model.Transform(inputData);
float[] scoreColumn = predictions.GetColumn<float>("Score").ToArray();

Как получить «реальные» прогнозы? Есть ли способ рассчитать от нормализованного значения до исходного значения?