Scikit learn 关于标准化和缩放的问题

我正在尝试生成一个模型，该模型使用一个分子的几个物理化学性质（包括原子数、环数、体积等）来预测数值Y。我想使用PLS回归，我知道标准化在这里非常重要。我正在用Python编程，使用scikit学习。功能的类型和范围各不相同。一些是int64，而另一些是浮动的。某些特征通常具有较小的值（正值或负值），而其他特征的值非常大。我尝试过使用各种定标器（例如标准定标器、规格化、最小-最大定标器等）。然而，R2/Q2仍然很低。我有几个问题：

是否有可能通过缩放，一些非常重要的特征失去其重要性，从而对解释响应变量的方差贡献较小

如果是，如果我（根据专家知识）确定了一些重要功能，是否可以扩展除这些功能以外的其他功能？还是只缩放重要功能

与其他特征（例如-1到10）相比，某些特征虽然不总是相关，但其值在类似范围内（例如100-400）。是否可以仅缩放同一范围内的特定特征组

失去意义？对贡献更少？没有

不，不好。要么全有，要么什么都没有

不。缩放的目的不是减少/增加变量的显著性/效果。它是将所有变量转换为一个可以解释的通用尺度

---

缩放的整体思想是使模型对特征空间的分析更具鲁棒性。例如，如果您有

2

特征，如

5 Kg

和

5000 gm

，我们知道这两个特征是相同的，但对于某些算法，它们对度量空间

敏感，如
KNN
，
PCA
等，它们将更倾向于第二个特征，因此必须对这些算法进行缩放

现在来问你的问题

缩放不会影响特征的重要性。如上所述，它有助于更好地分析数据
不，你不应该这样做，原因如上所述
如果希望在模型中包含领域知识，可以将其用作先验信息。简而言之，对于线性模型，这与正则化相同。它有很好的特点。如果您认为，您有许多
无用的特征
，您可以使用
L1
正则化，它在特征空间上创建
稀疏
效果，这只不过是为无用的特征分配
0
权重。这是你的链接
还有一点，基于树的方法不需要缩放，最后，它主要取决于您选择的模型。
感谢您的回答和建议。我听说过块缩放（见3），但我真的对这个想法感到困惑。除此之外，我还使用了scikit learn，它提供了一个PLSRegression类。该类实现了NIPALS算法，每个对象都提供了一个定标器。因此，基本上，您可以在内部进行扩展。我还没有弄清楚这里使用的确切的缩放类型。我的问题是，在我已经使用自定义标准化器对外缩放数据之后，启用训练集的内部缩放是否有意义？一些算法更喜欢不同的缩放方法，让它完成它的工作。对于exp，您使用了std_scaler，现在数据的平均值为
0
，var为
1
。所以它也是带有负值的高斯分布。但有些算法更喜欢min-max，它的数据范围是
（0,1）
，它将以所需的形式对其进行缩放。最后，它不会影响数据。谢谢。我明白这一点。我在一些例子中比较了R2/Q2，启用这两种缩放操作并不一定有帮助。谢谢你的回答。