Python 弹性网：标准化还是规范化

我使用scikit学习弹性网络作为预测模型。我知道在进行正则化之前必须对数据进行规范化/标准化，因为这将影响最终模型。我需要帮助了解应用于我的数据的scaler：MinMaxScaler、RobustScaler或StandardScaler

我应该把这个定标器应用到我的自变量（IV）上吗？我应该对因变量（DV）也这样做吗

我希望能够解释模型的系数，并确定哪个特征（IV）对结果（DV）贡献更大

---

如果我有两个不同的DV，并且我想比较两个模型之间的系数，建议是否不同（比较IV1预测DV1的模型和预测DV2的模型）。

让弹性网络解决这个问题，将normalize参数设置为true。对于新数据的预测，在系数重新缩放时，您不必这样做。@sramalingam24感谢您的回复，但是我有必要理解为什么我要选择其中一个。那么StatExchange可能是解决您的问题的更好的地方，或者ML中的任何起始文本都应该有基本的解释。您是否应该使用模型参数进行规范化，或者通过您提到的定标器手动进行规范化？你能得到这些问题答案的唯一方法是通过交叉验证。ML是关于模型概括新数据的能力。简历会告诉你哪种方法是正确的/更好的。