我正在尝试生成一个模型，该模型使用分子的几种物理化学特性（包括原子数、环数、体积等）来预测数值$Y$. 我想使用 PLS 回归，我知道标准化在这里非常重要。我正在使用 scikit-learn 在 Python 中编程。

功能的类型和范围各不相同。有些是 int64，有些是浮点数。一些特征通常具有较小的（正或负）值，而另一些则具有非常大的值。我尝试过使用各种缩放器（例如标准缩放器、标准化、最小-最大缩放器等）。然而，R2/Q2 仍然很低。

我有几个问题：

1. 是否有可能通过缩放，一些非常重要的特征失去了它们的意义，从而对解释响应变量的方差贡献较小？

2. 如果是，如果我确定了一些重要特征（通过专业知识），是否可以扩展除这些之外的其他特征？还是仅扩展重要功能？

3. 一些特征，虽然并不总是相关的，但与其他特征（例如-1到10）相比，具有相似范围内的值（例如100-400）。是否可以仅缩放同一范围内的特定功能组？