如何解决使用RobustScaler时,您应该转换火车吗?
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。