Python 是否有必要在y_列车和y_测试中使用StandardScaler？若有，个案数目为何？

阅读过多次在y_列车和y_测试中使用StandardScaler的案例，以及未使用StandardScaler的案例。在他们身上应该使用哪些特定规则？

引用：

数据集的标准化是许多机器的共同要求 学习估计员：如果个体 功能或多或少不像标准的正态分布 数据（例如均值和单位方差为0的高斯分布）

例如，目标函数中使用了许多元素 学习算法（如支持向量机的RBF核） 或者线性模型的L1和L2正则化子）假设 特征以0为中心，且变化顺序相同。如果 特征的方差比特征的方差大几个数量级 另外，它可能会支配目标函数并使 估计器无法按照预期正确地从其他特征中学习

---

因此，当您的功能具有不同的比例/分布时，您可能应该标准化/缩放它们的值。

当您的功能具有不同的比例时，您应该标准化它们的值。这对于或堆栈站点来说是一个更好的问题，因为它与理论有关，而不是与特定的编码问题有关