Python 3.x 我们是否可以将特征缩放应用于"；自变量；在数据集中？

我有一个包含8个因变量（2个分类数据）的数据集。我已经应用了

extractreeclassifier（）

来消除一些因变量。 我也有X，y的特征比例

 from sklearn.preprocessing import StandardScaler
 sc = StandardScaler()
 X = sc.fit_transform(X)
 X = sc.transform(X)
 y = sc.fit_transform(y)
 y = sc.transform(y)

在此之后，我将数据集拆分为

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_new, encoded2, 
test_size = 0.25, random_state = 0)

现在我正在应用

DecisionTreeRegressor

算法进行预测。 但我想知道实际的预测（现在我得到的是标度值）。 怎么做？ 还有其他方法吗？ 因为我这样做的方式是给RMSE=0.02，如果我不是特征缩放因变量RMSE=18.4。

---

请建议如何解决这类问题。

首先，不需要缩放目标变量（

y

），但如果您确实缩放了它，

StandardScaler

和其他各种预处理技术都有一个

逆变换

函数，您可以通过该函数获得原始值

根据以下文件：

逆变换（X[，复制]）

将数据缩小到原始表示形式

所以，如果我对y_pred（预测值）使用逆_transform（），它会给出原始值（不是缩放值）？？