Как передать нормализованные новые данные в сохраненную модель обученной нейронной сети, а затем инвертировать результат?

Я работаю над исследованием населения по странам на основе этого набора данных: https://www.kaggle.com/tanuprabhu/population-by-country-2020

Я узнал, что лучше всего нормализовать набор данных перед тренировкой, поэтому я нормализовал данные с помощью sklearn.preprocessing MinMaxScaler. Я приступил к обучению модели с использованием нормализованного набора данных перед сохранением модели.

Затем я хотел выполнить прогнозы на новых данных. Поэтому я создал входной файл в формате, аналогичном набору обучающих данных. Новые входные данные имеют только 2 строки (по сравнению с обучающим набором данных, который имеет 200 строк).

Проблема, с которой я сталкиваюсь, заключается в том, что из-за небольшого количества данных в новом наборе данных minmaxscaler возвращает 1 и 0. 1 соответствует большему числу, а 0 — меньшему. Когда я ввожу эти входные данные в модель, она дает мне прогноз, который слишком далек от ожидаемого значения.

Я также попытался применить mixmaxscaler к новым данным, передать их в модель, а затем инвертировать результат. Тем не менее, я получил значение, которое слишком далеко от ожидаемого значения.

Я также пытался обучить модель без применения mixmaxscalar. Я получил лучший результат в этой модели, но прогнозируемый результат очень хорошо реагирует только тогда, когда я изменил определенные столбцы с большими значениями. Столбцы с меньшими значениями не дают очень хорошего отклика, в то время как в реальном мире я знаю, что этот фактор весьма важен для прогнозируемого результата.

Где я ошибся? Приветствуется любой пример кода для обработки ввода для обученной модели.