python - MinMax 缩放目标

Question

我对某些特征应用了线性回归，以通过 10 倍交叉验证来预测目标。
MinMax 比例应用于特征和目标。
然后对特征进行标准化。
当我运行模型时，r2 等于 0.65，MSE 为 0.02。
但是当我使用没有 MinMax 缩放的目标时，我得到了 r2 相同的值，但 MSE 增加了很多，达到 18。
我的问题是，我们是否必须像处理数据预处理中的特征一样处理目标？以上哪个值是正确的？因为 mse 在没有扩展目标的情况下变得更大。
有些人说我们也必须扩大目标，而另一些人则说不。

提前致谢。

Answer 1

无论您是否调整目标，都会改变错误的“含义”。例如，考虑 2 个不同的目标，一个范围为 [0, 100]，另一个范围为 [0, 10000]。如果您针对它们运行模型(没有缩放)，20 的 MSE 对于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，这将是相当不错的。

因此，您在目标范围 [0, 1] 下获得的 MSE 低于原始值这一事实并不令人意外。

同时，r2 值与范围无关，因为它是使用方差计算的。

通过缩放，您可以比较不同目标的模型性能等。

此外，对于某些模型类型(例如神经网络)，缩放比例也更为重要。

希望对你有帮助!