用sklearn做线性回归， 但数据normalization后，出来MSE全部为0。

Question

用sklearn在股票价格数据 做线性回归， 但数据normalization后，出来MSE的结果全部为0。别人说是模型出错了， 但奈何自己是python新手，请求各位帮忙指出其中原因，感谢感谢！！！！

数据是这样子的：

这是不加normalization的，

from sklearn.linear_model import LinearRegression
from sklearn import cross_validation
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import Normalizer

LinearRegression=LinearRegression()

scores = cross_validation.cross_val_score(LinearRegression, X_stock1_train, y_stock1_train, scoring='neg_mean_squared_error', cv=10)


print (-scores)
print ('Average score for Linear Regression:', np.mean(scores))

结果看起来还算正常：
[ 0.03666889 0.05985924 0.05718805 0.04757506 0.05605501 0.05602068
0.04308263 0.05089644 0.0489978 0.0384472 ]
Average score for Linear Regression: -0.0494790998005

##分割线##

normalization处理过的：

from sklearn.linear_model import LinearRegression
from sklearn import cross_validation


transformer=Normalizer().fit(X_stock1_train, y_stock1_train)
X_stock1_train=transformer.transform(X_stock1_train)
y_stock1_train=transformer.transform(y_stock1_train)


LinearRegression=LinearRegression()
scores = cross_validation.cross_val_score(LinearRegression, X_stock1_train, y_stock1_train, scoring='neg_mean_squared_error', cv=10)

print (-scores)
print ('Average score for Linear Regression:', np.mean(scores))

结果：
[ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
Average score for Linear Regression: 0.0

别人说是模型出错了， 但奈何自己是python新手，请求各位帮忙指出其中原因，感谢感谢！！！

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这篇博客也许可以解决你的问题👉 ：Sklearn——对数据标准化(Normalization)

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^