视频中数据预处理x_train=standardscaler.transform(x_train) ，只对x_train做归一化
来源：4-8 scikit-learn中的Scaler
qq_慕姐45445
2019-03-12
视频中数据预处理x_train=standardscaler.transform(x_train) ，只对x_train做归一化，不需要对y_train做，是不是因为y是标签值(如果在回归计算时应对对y_train也归一化吧）。
3回答
-
我测试了一下你的数据，问题出在LinearSVR上。
根据你的代码，你可以看一下，训练出的LinearSVR的r2值，无论是在训练数据集上，还是测试数据集上，都是负数。回忆一下课程里介绍的r^2值的定义，负数代表拟合效果极差，预测效果还不如直接使用平均数。
如果你看一下y_predict的具体值，会发现所有的y_predict都是4k左右。绘制出的曲线，是在4k的基础上的一个误差曲线。这就是图示左上角那个1e-9+4e3的意思。
看这个曲线，确实像是对y进行了某种归一化的结果。但我不知道它具体是怎么做的。我以前没有意识到过这个问题，也没有调查过这个问题，在LinearSVR的文档里也没有找到解释。
我尝试使用了一下SVR(kernel='linear')和LinearRegression，都能得到正常的结果。所以我也不确定是什么原因，甚至可能是sklearn实现的LinearSVR的bug（内部对y进行了转换，外部没转换回来）。当然，不排除是因为我不会用LinearSVR，但即使如此，我也倾向于认为这个LinearSVR封装的不合理。因为如果它对y进行了变化，这个变化完全没有必要让用户感知到，在算法内部可以很容易地将y转换回来。
anyway，我的结论，如果你一定是用线性SVM做这个回归分析，不要使用LinearSVR，使用SVR(kernel='linear')
继续加油！：）
012019-04-28 -
qq_慕姐45445
提问者
2019-04-25
bobo老师您好，我用时间序列数据做分析，发现对x_train做归一化后与y_trian拟合一个模型，在用x_test 做预测，得到的y_predict 与y_test有一个数量级的截距，尽管拟合看起来差不多
这里我先对数据做归一化，没有在pipe里面做应该也一样的吧。2副图我是分开打印才显出来的，否则只能看到一幅
042019-04-28 -
liuyubobobo
2019-03-13
对，标签值不能进行归一化！
以房价预测为例，y_train就是每一个房产对应的价格；以学生成绩预测为例，y_train就是每个学生的学习成绩。我们不对它进行归一化，最后我们的模型预测出来就是实际的房产价格，或者实际的学生成绩。这就是我们想要的！
如果对y_train进行了归一化，那么我们预测出来的，就是一个归一化以后的数值，我们还需要将这个数值反归一化，实际上进行了一个冗余的步骤：）（因为我们本来就想知道房产价格和学生成绩，为什么要归一化以后再反归一化呢？）
继续加油！：）
00
相似问题