机器学习模型中对数转换后预测值还原的实践指南

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error

# 模拟数据以使代码可运行
data = {
    'value_eur': [1000, 50000, 200000, 0, 15000, 3000000, 120000, 800000, 5000, 75000],
    'wage_eur': [500, 2000, 10000, 0, 800, 500000, 6000, 30000, 400, 1500],
    'feature1': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'feature2': [7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
}
dtd = pd.DataFrame(data)
dtk = dtd.copy() # dtk代表原始数据，用于从原始值进行对数转换

# 对 value_eur 和 wage_eur 进行对数转换
# 确保只对正值进行对数转换，因为 log(0) 是未定义的
mask_value = dtd['value_eur'] > 0
dtd.loc[mask_value, 'value_eur'] = np.log(dtk.loc[mask_value, 'value_eur'])

mask_wage = dtd['wage_eur'] > 0
dtd.loc[mask_wage, 'wage_eur'] = np.log(dtk.loc[mask_wage, 'wage_eur'])

print("对数转换后的数据（部分）：")
print(dtd.head())

# 假设 X 和 y 已经从 dtd 中分离
X = dtd.drop(['value_eur'], axis=1)
y = dtd['value_eur']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 模拟一个训练好的回归器（例如使用随机森林）
regressor = RandomForestRegressor(random_state=42)

regressor.fit(X_train, y_train)

# 在测试集上进行预测，此时 regs 仍然是对数尺度的预测值
regs = regressor.predict(X_test)

# 此时计算的MAE是在对数尺度上的
mae_log_scale = mean_absolute_error(y_test, regs)
print(f"\n对数尺度上的平均绝对误差 (MAE): {mae_log_scale:.4f}")

# 原始的预测结果DataFrame（对数尺度）
results_log_scale = pd.DataFrame({
    '预测值 (对数尺度)': regs,
    '真实值 (对数尺度)': y_test
})
print("\n预测结果（对数尺度，部分）：")
print(results_log_scale.head())

# 将预测值从对数尺度还原到原始尺度
y_pred_original = np.exp(regs)

# 将真实值从对数尺度还原到原始尺度
y_test_original = np.exp(y_test)

print("\n还原后的预测值（原始尺度，部分）：")
print(y_pred_original[:5])
print("\n还原后的真实值（原始尺度，部分）：")
print(y_test_original[:5])

# 在原始尺度上计算平均绝对误差 (MAE)
mae_original_scale = mean_absolute_error(y_test_original, y_pred_original)
print(f"\n原始尺度上的平均绝对误差 (MAE): {mae_original_scale:.2f}")

# 构建包含原始尺度预测值和真实值的 DataFrame
results_original_scale = pd.DataFrame({
    '预测值 (原始尺度)': y_pred_original,
    '真实值 (原始尺度)': y_test_original
})

print("\n预测结果（原始尺度，部分）：")
print(results_original_scale.head())