在有监督学习中变换/缩放目标变量的好处？

Question

我正在学习在高斯分布中使用变量是多么有帮助。我不太清楚如何将其应用于有监督的学习问题，比如使用神经网络。下面是我的数据集的目标变量，分别是目标变量的sqrt和log。

​

​

问题

在回归问题中转换连续的目标变量有什么好处/意义吗？

Answer 1

有时候。一些算法，例如。ANN，使用梯度，在这种情况下，拥有更好的行为变量有利于优化。然而，在其他情况下，例如。对于线性模型，缩放不会影响模型拟合。

许多人不必要地将他们的变量转换为常态，因为他们错误地认为这将改善模型。除非该方法需要正常的数据，或者优化算法会因为它而工作得更好，否则这种想法是没有根据的。