在监督学习中转换/缩放目标变量的好处？

Question

我正在学习将变量置于高斯分布中有多大帮助。对于我来说，如何使用神经网络将其应用于监督学习问题还不是很清楚。以下是我的数据集的目标变量，分别是该目标变量的sqrt和log。

问题

在回归问题中转换连续目标变量是否有任何好处/要点？

Answer 1

有时。一些算法，例如。 ANN，使用渐变，并且在这种情况下，具有更好的行为变量有助于优化。然而，其他时间，例如。对于线性模型，缩放比例不会影响模型拟合。

许多人不必要地将其变量转换为正常变量，因为人们错误地认为这会改善模型。除非该方法需要常规数据，否则优化算法将因此而更好地工作，否则这种信念是没有根据的。