MLPRegressor-为什么没人转换目标数据？

Question

我不明白为什么在训练诸如MLPRegressor（SKLearn）之类的机器学习算法时没有人缩放目标数据？

我总是看到这样的东西：

# separate array into input and output components
X = array[:,0:8]
Y = array[:,8]
scaler = StandardScaler().fit(X)
StandardX = scaler.transform(X)

但是会期望这样：

# separate array into input and output components
X = array[:,0:8]
Y = array[:,8]
StandardX = StandardScaler().fit_transform(X)
Standardy = sc_y.fit_transform(y.values.reshape(-1, 1))

Answer 1

无需缩放目标变量。这里也有类似的问题： https://stats.stackexchange.com/questions/111467/is-it-necessary-to-scale-the-target-value-in-addition-to-scaling-features-for-re

来自我的评论：我很少这么做。例如，用于可视化复杂且学习时间长的DNN的学习曲线。图片变得更漂亮了。