我对时间序列问题做了一些预测。

我的第一种方法是，我使用Minmax Scaler将整个数据集从0缩放到1。 所有预测值都将在最小值和最大值之间（火车中有最小值和最大值）。我的第一列是我的实际目标，由于时间序列问题，我进行了平移，因此最后一列现在是第一列的平移目标。然后我将其分为测试，验证和训练。

scaler = MinmaxScaler(feature_range=(0,1))
scaled = scaler.fit_transform(dataset)
X=dataset[:,:-1]
y=dataset[:,-1]
...
# make a prediction Test
yhat2 = model.predict(X_test)
# invert scaling for forecast TEST
inv_yhat2 = concatenate((yhat2,X_test[:,1:]),axis=1)
inv_yhat2 = scaler.inverse_transform(inv_yhat2)
inv_yhat2 = inv_yhat2[:,0]
# invert scaling for actual TEST
y_test = y_test.reshape((len(y_test),1))
inv_y2 = concatenate((y_test,axis=1)
inv_y2 = scaler.inverse_transform(inv_y2)
inv_y2 = inv_y2[:,0]

当我逆比例缩放时，使用此变体时，我得到负的R2-Score（火车和val阳性）。 虽然mape，smape，mae，mse分数都不错。 我用不同的参数进行了1000次拟合，并且每次r2都是负的...

所以我想知道在缩放和反转数据时是否做错了什么？

我应该按比例缩放X，y的数据：分别训练，验证和测试吗？ 并使用y_train，y_val和y_test反转用于预测的数据？