MinMax缩放目标

Question

我应用线性回归的一些特征，预测目标的交叉验证10倍。

特征和目标均采用MinMax量表。

然后特征标准化。

当我运行该模型时，r2 = 0.65，最小均方误差为0.02。

但是，当我使用目标，因为它们没有MinMax缩放，我得到了相同的r2，但MSE大幅度增加到18。

我的问题是，我们是否必须在数据预处理方面处理目标，就像对待特征一样？以上哪个值是正确的？因为mse在没有缩放目标的情况下退出得更大。

有些人说我们必须扩大目标，而另一些人则说不。

提前谢谢。

Answer 1

无论你是否缩放你的目标，都会改变你错误的“意义”。例如，考虑两个不同的目标，一个是0,100，另一个是0,10000。如果您针对它们运行模型(没有缩放)，那么MSE为20对于这两个模型来说意味着不同的事情。在前一种情况下，这将是灾难性的，而在后一种情况下，它将相当体面。

因此，目标范围为0，1的MSE比原来的要低，这并不令人惊讶。

同时，r2值与范围无关，因为它是用方差计算的。

缩放允许您比较不同目标的模型性能，除其他外。

此外，对于某些模型类型(如NNs)，缩放将更为重要。

希望能帮上忙！