我有问题。当我使用带有线性核的SVR进行回归分析时，我发现依赖项（目标值）不是正态分布的，并且在左侧具有长尾巴。所以我使用了box-cox转换。然后，目标值的可视化如下所示： the distribution of the data before and after box-cox transformation
数据现在已经正常分配，但是数量正在增加。 我的数据集中的大多数变量的范围是0到1。如果我想训练一个性能良好的模型，那么我应该对box-cox变换后的数据进行缩放（例如使用MinMax Scaler），以缩小差距变量和目标值之间？
