Machine learning 标准化X_列车和Y_列车

我是这个领域的新手，目前正在开发一个基于Facebook广告的数据集

目标变量是10到200之间的花费量，特征是频率（范围在0.1到3.0之间）和印象（1000到30000）

在训练我的模型（线性回归）后，我的得分是0.84，但的MSE是490，我认为这个值是因为特征有这样的行：（频率：1.432，印象：25412）

我在列车和测试数据中分割数据后应用了标准化

**为了解决这个问题，我想应用标准化来消除我应用的fit_变换（X_train）和变换（X_test）值的高方差

但是得分与相同，MSE也一样。

我的怀疑是相当愚蠢的，但我在这个领域的工作就像ML上的新手一样

1）我注意到社区没有对目标变量（Y）应用标准化他们为什么这样做

2）我在这里做错什么了吗

---

谢谢你们

标准化通常应用于自变量，因此均值约为零，标准差为一。即数据转换为标准正态分布。这是因为它将自变量形式的比例标准化为0到1。例如，如果variable1在os 100到100的范围内，variable2在0到1的范围内，并且如果沿着x轴将它们一起绘制，您会看到图形中的vaibale2接近于零，任何变量2的任何更改都可能不会影响目标值

目标不应该标准化，因为如果模型应该预测的话会怎样。y=f（x），y为目标值