¿Al aplicar la escala MinMax cada columna debe tratarse de forma independiente para el conjunto de entrenamiento y el conjunto de prueba?

Tengo 8 columnas en mi dataframe: 5 características y otras 3 son objetivos. Después de seguir estos procesos, los resultados obtenidos no son buenos. ¿Alguien puede proporcionar algún comentario sobre los pasos seguidos?

Aquí estoy definiendo 2 variables de escalado minmax, una para las columnas de características y otra para los objetivos. Una vez que el modelo predice los valores, realizamos el escalado inverso en características y objetivos predichos nuevamente para obtener los resultados.

Suavizado y escalado minMax

suavizador = tsmoothie.KalmanSmoother(component=’nivel+tendencia’, componentenoise={‘nivel’:0.1, ‘tendencia’:0.1})
escalador_características = MinMaxScaler(rango de características=(0,1))
escalador_objetivos = MinMaxScaler(rango de características=(0,1))

Configuración de características y objetivos del df

df_características_norm = escalador_características.fit_transform(df_crudo.iloc[:,:5])
df_objetivos_norm = escalador_objetivos.fit_transform(df_crudo.iloc[:,5:])

Suavizando características y objetivos

suavizador.suave(df_características_norm)
características_suavizadas = suavizador.data_suave

suavizador.suave(df_objetivos_norm)
objetivos_suavizados = suavizador.data_suave

Dividimos en datos de entrenamiento y de prueba, entrenamos los datos y preparamos el modelo de entrenamiento.

#Para la transformación inversa, estoy usando el siguiente código.

resultados_prueba_para_todo = modelo.predict(datos_de_prueba)
resultados_prueba_transformados_para_todo = escalador_objetivos.inverse_transform(resultados_prueba_para_todo))

“`
Pero los resultados obtenidos a través de este método no son buenos. ¿Hay algún error en el orden de los pasos o necesito realizar el escalado MinMax y el suavizado en todo el conjunto de datos a la vez?