python-3.x - 标准缩放器 v 最小最大。Standardscaler 不适用于 ANN，但 MInMax 可以

Question

我有一个具有多个特征和一个目标的数据集。我正在使用 ANN 进行预测。当我使用 扩展功能时MInMax，一切正常，并且在编译和修复期间，我得到了很好的损失和准确性。
但是，当我使用StandardScaler(). 预测已关闭，然后我注意到在编译/拟合期间我acc:0.00000完成了整个时代。
只是想知道为什么。我以为我可以使用任何（特别是StandardScaler）。
有什么建议吗？
谢谢

Epoch 100/100
404/404 [==============================] - 0s 17us/step - loss: 0.2729 - acc: 0.0000e+00

（当我使用 StandardScaler() 时！！！）

这是代码：

dataset = pd.read_csv('housing.csv')
#sns.pairplot(dataset)

X=dataset.iloc[:,0:13]
y=dataset.iloc[:,13].values
#StandardScaler
from sklearn.preprocessing import StandardScaler
sc2= StandardScaler()
X= sc2.fit_transform(X)
y= y.reshape(-1,1)
y=sc2.fit_transform(y)

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

from keras import Sequential
from keras.layers import Dense

regressor = Sequential()
regressor.add(Dense(units=13, input_dim=13))
regressor.add(Dense(units=1))
regressor.compile(optimizer='adam', loss='mean_squared_error',  metrics=['accuracy'])
regressor.fit(X_train,y_train, epochs=100, batch_size=32, verbose=1)

标签： python-3.xmachine-learningkerasnormalization