答案取决于您的数据是如何分布的，以及您可以接受什么样的错误。如果分布接近均匀，并且您关心绝对误差为 1000 美元，则数据不一定需要缩放，或者您可以使用标准缩放（从最小值到最大值）。

在任何其他情况下，您可能希望对目标变量应用非线性变换。例如，如果观察值均匀分布在 0.01、0.1、1、10、100 等之间，或者更具体地说，当您关心相对误差（目标值的某个百分比）时，我建议使用对数转换。这是因为无论目标变量值是什么，10% 的误差在经过对数转换后总是代表 0.1 个单位。

大多数情况（如果不是全部）都属于第二种情况。

您可以使用多种扩展策略。如果您知道什么是您的最高价值，那么最简单的方法就是使用最小-最大标准化。根据您使用的编程语言，您会找到帮助解决此问题的工具。在 python 中，您有MinMaxScaler，并且sklearn 文档描述了许多缩放/标准化策略。