我应该对惩罚线性回归模型中的因变量进行归一化吗？

【问题标题】：Should I normalize the dependent variable in a penalized linear regression model?我应该对惩罚线性回归模型中的因变量进行归一化吗？
【发布时间】：2021-03-21 23:14:52
【问题描述】：

当我在不使用 R 中的 glmnet 包进行归一化的情况下计算数据的惩罚回归时，在套索、脊和弹性网络中生成的 lambda 值和 RMSE 大得不合理。生成的 RMSE 以千计。但是，当我对响应变量进行归一化时，我看到 lambda、RMSE 和 R^2 值都在合理范围内，

【问题讨论】：

"我们应该对响应变量进行标准化吗？"通常不会，因为这也会改变与预测变量的关系。

标签： r regression lasso-regression

【解决方案1】：

RMSE 是 measure of the prediction error in the model 的度量，它与您的因变量在同一尺度上，并且只能根据该尺度进行解释。您可以通过重新缩放因变量来获得较低的 RMSE，但在线性缩放的情况下，这只是因为您更改了因变量的比例。如果您的值在 1-840,000 范围内，平均值为 3500，则以千计的 RMSE 似乎并不合理。

【讨论】：

感谢您的回答。这种情况下，调优参数，lambda值也可以>1对吧？
@bluepanther9999 ：是的，这很正常，无需担心。