R 还原转换预处理插入符号

我转换数据以满足线性模型（正态分布）的要求：

调整后的模型：

fit = lm(log10(Qmld)~log10(Peq750), data = d.reg1) #potential regression

预测数据：

a=10^fit$coefficients[1]
b=fit$coefficients[2]

d.reg1$Qmld_predita=a*d.reg1$Peq750^b 

---

既然模型适合转换后的数据，而这对我来说没有任何物理意义，我怎么能取消转换

d.reg1$Qmld_predita

。

这是一个函数模型，可以根据选择的初始转换进行修改（例如，这里的初始转换是

c（“缩放”、“中心”）

---

这是另一个补充，如果你是缩放到0-1，你可以用它来进行逆变换。对深入学习很有用

revPredict <- function(preproc, data,digits=0,range = F) {
   if (range == T){
     data<-data %>%
       select(one_of(dimnames(preproc$ranges)[[2]])) %>%
       map2_df(preproc$ranges[2,]-preproc$ranges[1,], ., function(min_max, dat) min_max* dat)  %>%
       map2_df(preproc$ranges[1,], ., function(min, dat) min + dat) %>%
      mutate_if(is.numeric,funs(round(.,digits = digits)))
    return(data)
    }
  data<- data %>%
    select(one_of(names(preproc$mean))) %>%
    map2_df(preproc$std, ., function(sig, dat) dat * sig)  %>%
    map2_df(preproc$mean, ., function(mu, dat) dat + mu) %>%
    mutate_if(is.numeric,funs(round(.,digits = digits)))
  return(data)
}

revPredict%
map2_df（预编程$ranges[2，]-预编程$ranges[1，]，，函数（min_max，dat）min_max*dat）%>%
map2_df（预加工$范围[1，]，，函数（最小值，数据）最小值+数据）%>%
如果（是数字，funs（四舍五入（，数字=数字）），则进行变异
返回（数据）
}
数据%
选择（名称（预加工$mean））中的一个%>%
map2_df（预加工$std，功能（sig，dat）dat*sig）%>%
map2_df（预加工$平均值，函数（mu，dat）dat+mu）%>%
如果（是数字，funs（四舍五入（，数字=数字）），则进行变异
返回（数据）
}

我不明白你在问什么。你是在问

log10（）

函数的逆函数是什么？我也不知道你为什么不使用

predict（）

以及调整后的模型。如果您包含一个适当的样本输入数据，这样我们就可以运行代码并对其进行测试，这可能会有所帮助。还请记住，正态分布假设通常基于误差项（我们使用残差进行检查）所以你真的不应该在拟合模型之前检查。所以caret不会对每个训练集单独应用预处理？我认为这是避免信息泄漏的必要条件，但从你的帖子来看，似乎所有数据都被缩放并集中在一起。我假设每个变量和每个tra都有一个平均值和一个sd训练/测试集。不确定如果单独预处理训练和测试，它将如何工作，但在本例中，为

d.reg

计算一次预处理参数，然后即可使用。

library(tidyverse)

revPredict <- function(preproc, data, digits=0) {
  data %>%
    select(one_of(preproc$mean %>% names)) %>%
    map2_df(preproc$std, ., function(sig, dat) dat * sig) %>%
    map2_df(preproc$mean, ., function(mu, dat) dat + mu)
}

revPredict(preprocess_params, df_needing_reverse_transformation)

    mutate_if(is.numeric,funs(round(.,digits = digits)))

revPredict <- function(preproc, data,digits=0,range = F) {
   if (range == T){
     data<-data %>%
       select(one_of(dimnames(preproc$ranges)[[2]])) %>%
       map2_df(preproc$ranges[2,]-preproc$ranges[1,], ., function(min_max, dat) min_max* dat)  %>%
       map2_df(preproc$ranges[1,], ., function(min, dat) min + dat) %>%
      mutate_if(is.numeric,funs(round(.,digits = digits)))
    return(data)
    }
  data<- data %>%
    select(one_of(names(preproc$mean))) %>%
    map2_df(preproc$std, ., function(sig, dat) dat * sig)  %>%
    map2_df(preproc$mean, ., function(mu, dat) dat + mu) %>%
    mutate_if(is.numeric,funs(round(.,digits = digits)))
  return(data)
}