【问题标题】:when using RobustScaler should you transform y train? [closed]使用 RobustScaler 时,您应该转换 y train 吗? [关闭]
【发布时间】:2020-12-01 06:14:34
【问题描述】:

我正在使用 RobustScaler 来拟合和转换 x_train 和 x_test。我也应该转型吗 y_train 和 y_test 也是如此。我之所以这么想,是因为神经网络会产生奇怪的 val 损失。 有时 val 损失小而好,但有时它又高又坏,也许它只是初始化的权重 神经网络,但只是想确定一下。

【问题讨论】:

    标签: machine-learning keras scikit-learn neural-network


    【解决方案1】:

    不,你不应该。您应该缩放您的 X,否则您的神经网络可能会开始认为某些特征仅因为值太大而更有用。

    y - 是结果。缩放它 - 是毫无意义的活动。神经网络可以产生大量数字。

    实际上,当所有特征都具有相同的“权重”时,NN 可以处理大值。使用缩放器只是一个好习惯。

    【讨论】:

      猜你喜欢
      • 2010-09-15
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2011-07-01
      • 2022-01-19
      相关资源
      最近更新 更多