python 回归算法归一化及还原问题

在网上说了很多python归一化及还原的问题，但是不能解决我的问题，我的问题是测试集和训练集进行归一化后，得到预测值，预测值如何能够单独进行还原，后来发现我陷入了误区，具体我的做法如下：
1、首先由测试集X和Y，将其放到一起，即DATA=[X,Y]
2、按照归一化方式进行归一化

from sklearn import preprocessing
import numpy as np
mm = preprocessing.MinMaxScaler()
X_minmax = mm.fit_transform(DATA)
X = X_minmax[:,:13]
Y = X_minmax[:,13]

得到标准化后的X和Y，其中Y是Data中第13列
3、给定测试集X_test和Y_test，进行同样操作将他们放到一起，data_test = [X_test,Y_test]
4、对测试集data_test进行相同的归一化缩放，具体可参考Python数据预处理

Test_minmax = mm.transform(Test)
X_test = Test_minmax[:,:13]
Y_test = Test_minmax[:,13]

5、使用归一化后的X,Y,X_test,Y_test进行相关回归算法，得到预测值y_pred
6、将X_test与y_pred放到一起，得到Predition，即可将Prediction进行还原

Prediction = np.insert(X_test, 13, values=y_pred, axis=1)
Predictions = mm.inverse_transform(Prediction)