我对一些特征应用了线性回归，以10折交叉验证来预测目标。
特征和目标都进行了MinMax缩放。
然后对特征进行了标准化。
当我运行模型时，R²值等于0.65，均方误差（MSE）为0.02。
但当我不对目标进行MinMax缩放，直接使用原始数据时，R²值保持不变，但MSE大幅增加到18。
我的问题是，我们是否需要像处理特征一样对目标进行数据预处理？上述哪个值是正确的？因为不缩放目标后，MSE变得相当大。
有些人说也必须缩放目标，而其他人说不需要。

提前感谢您。

回答：

是否对目标进行缩放会改变错误的“含义”。例如，考虑两个不同的目标，一个范围是[0, 100]，另一个是[0, 10000]。如果你对它们运行模型（不进行缩放），20的MSE对两个模型来说意味着不同的东西。在前一种情况下，这将是灾难性的，而在后一种情况下，这将是相当不错的。

因此，你在目标范围为[0, 1]时得到的MSE比原始范围低，这并不令人惊讶。

与此同时，R²值与范围无关，因为它是使用方差计算的。

缩放允许你比较不同目标的模型性能，此外还有其他好处。

对于某些模型类型（如神经网络），缩放更为重要。

希望这对你有帮助！