从Log值到指数值，用于预测机器学习算法的巨大失真
问题描述：
我构建了一个用于预测Y'值的机器学习算法。为此，我使用Y的Log值来进行数据缩放。 由于我得到了预测的Y'和实际Y值，我必须将Y & Y'的Log值转换为指数值。从Log值到指数值，用于预测机器学习算法的巨大失真
但是，从exp7（= ln1098）的值出现如此巨大的失真......这使得很多MSE（错误）。
我该如何避免这种巨大的失真？（一般情况下，我需要的值超过1000）
谢谢！
答
为此，我使用Y的Log值来进行数据缩放。 不用于缩放，但要使目标变量分布正常。
如果您的MSE在实际目标值出现时就会出现 - 这意味着该模型根本无法满足大值。通常可以通过清理数据来解决（删除异常值）。或者采取另一个ML模型。
UPDATE 您可以运行KFold并为每个折叠计算预测值与实际值之间的MSE/MAE。然后采取大错误，并看看这些案件有哪些参数/功能。
你可以消除大错误的情况，但通常是危险的。
一般来说，大值不合适意味着您没有从原始数据集中删除异常值。绘制直方图和散点图，并确保你没有它们。
检查分类变量：可能您的值很小（< = 5％）。如果是这样，分组他们。
或者您需要创建2个模型：一个用于较小的值，一个用于较大的值。
如果您有乘法噪声（即噪声与因变量的大小成比例），取因变量的对数是有意义的。如果情况并非如此，那么不要这样做。标准化为0和方差1（即，通过标准差减去均值和除数）可以帮助避免数值问题，也许您可以尝试。您可能会在stats.stackexchange.com或datascience.stackexchangecom获得更多有用的回复。 –