如何在使用标准化数据训练模型后，为部分依赖图（PDP）正确还原原始尺度的横坐标

假设你辛辛苦苦训练了一个随机森林模型，对着输出的部分依赖图（PDP）一看，横轴上一串数字：-2.5、0.0、2.0……这到底对应原始特征里的什么值？数据跑通了，业务同事却看不懂，这才是真正的“不可解释”。

问题的根源在于，很多模型在训练前都会用StandardScaler对特征做标准化处理（也就是调整为零均值、单位方差）。当你调用PartialDependenceDisplay.from_estimator()时，生成的PDP横轴默认展示的就是这些标准化后的数值。比如年龄这个特征，标准化的结果可能是-1.8或1.2，但业务上我们更关心的是“年龄每增加5岁”或“收入每提高1万元”对预测结果的影响，而不是“标准差变化0.3个单位”。

一个很自然的想法是：能不能先把测试集数据按原始尺度还原，再喂给PDP函数？答案是否定的，这么做会直接打乱内部网格采样的逻辑，反而弄巧成拙。正确的做法是：保持标准化后的输入，确保模型计算准确无误，最后只对最终图表上的横轴刻度标签（tick labels）做逆变换。

StandardScaler的标准化公式是：
X' = (X - μ) / σ
那么逆变换就很简单了：
X = X' * σ + μ

下面用一段代码来演示具体的实现。假设我们已经训练好了模型，并且X_test_final是标准化后的测试集，scaler是在原始训练集上拟合好的StandardScaler对象。

from sklearn.ensemble import RandomForestClassifier
from sklearn.inspection import PartialDependenceDisplay
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
import numpy as np

# 假设已训练好模型 best_clf，X_test_final 是标准化后的测试集，
# scaler 是拟合在训练集上的 StandardScaler 实例
# best_features = ['age']  # 示例目标特征

# 1. 生成 PDP 并获取 Axes 对象
fig, ax = plt.subplots(figsize=(6, 4))
display = PartialDependenceDisplay.from_estimator(
    best_clf, 
    X_test_final, 
    features=best_features,
    ax=ax,
    line_kw={'color': 'steelblue', 'linewidth': 2}
)

# 2. 获取该特征对应的原始训练数据（用于计算均值/标准差）
# 注意：必须使用 scaler.fit() 时的原始训练特征列，而非测试集
# 假设 X_train_orig 是原始未缩放的训练特征矩阵，且 age 列索引为 0
x_orig = X_train_orig[:, 0]  # 替换为实际列索引或列名切片
mu, sigma = x_orig.mean(), x_orig.std()

# 3. 反向变换横轴刻度标签
x_ticks = ax.get_xticks()
xt_unscaled = (x_ticks * sigma) + mu

# 格式化为易读字符串（根据数据类型调整小数位数）
xt_labels = [f'{val:.1f}' if sigma > 0.1 else f'{val:.0f}' for val in xt_unscaled]
ax.set_xticks(x_ticks)  # 保持原刻度位置
ax.set_xticklabels(xt_labels)
ax.set_xlabel(f'{best_features[0]} (original scale)')
plt.tight_layout()
plt.show()

这里有几个细节需要特别注意。
第一，均值和标准差必须来源于原始训练数据，也就是scaler.fit(X_train)所用的数据，用测试集或者其他数据集的数据都会导致逆变换失真。
第二，如果你的项目中使用了ColumnTransformer或管道（Pipeline），可以从scaler对象中显式提取scaler.mean_[i]和scaler.scale_[i]（scale_就是标准差）来找到对应特征的统计量。
第三，如果PDP涉及多个特征，需要对每个子图的axes分别处理，并匹配对应的特征统计量。
第四，这个技巧只修改了视觉标签，不改变PDP内部的计算逻辑，模型始终在标准化空间里评估，保证了数学上的一致性。

通过这种方法，你可以在不牺牲模型性能和计算严谨性的前提下，让PDP图表真正“说人话”。业务沟通和模型诊断的效率，会因此提升不少。