我目前正在使用 sklearnscale在放入感知器之前预处理我的 X 数据 -mean/stddev以防止数据收敛到无穷大或 0。我的感知器在网络训练后返回权重 + 偏差：

X = preprocessing.scale(X)

通过我的感知器处理 X 和 Y 数据后，我返回权重。根据这些权重，我可以计算出最佳拟合线：

ls = cp.linspace(cp.min(X), cp.max(X))
best_fit = w[1]+w[0]*ls

w[1]偏见在哪里。这best_fit条线是准确的，但它是相对于预处理的 X 而不是我想要绘制的原始 X。如果可能的话，使这些权重相对于原始 X 值的技术是什么？