问在Python中对规范化数据帧的子集进行反规范化

EN

我对python和在一组数据上构建随机森林模型还很陌生。我的原始数据包含33000行和4列。我已经使用以下公式对其进行了标准化：

normalized_df = (mydata-mydata.mean()) / mydata.std()

现在，在执行随机森林之后，我有了一个数据框架，其中包含我的预测、实际数据和所有测试特性(即9000行和5列)。我试着用下面的公式来标准化它：

denorm_df = (normalized_pred_df * mydata.std() ) + mydata.mean()

这会导致数据帧的大多数列中的NaN值。