使用RobustScaler时，您应该转换火车吗？

问题描述

我正在使用RobustScaler来拟合和转换x_train和x_test。我是否也应该转型 y_train和y_test也是如此。我之所以这样想，是因为神经网络会产生奇怪的Val损失。 有时val损失很小而且很好，但是有时它的高点和坏时可能是刚刚初始化的权重 神经网络，但只想确保。

解决方法

不，你不应该。您应该缩放Xs，因为否则神经网络可能会开始认为某些功能仅因为值太大而更有用。

y-是结果。扩展它-是没有意义的活动。神经网络可以产生大量数字。

实际上，当所有特征具有相同的“权重”时，NN可以处理较大的值。使用缩放器只是一个好习惯。