什么情况下需要将特征以及label转换为正态分布?
关注者
12被浏览
5,300登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
1.不同的模型有不同的要求。一般①线性回归模型需要对预测变量、噪声满足正态分布,②LDA 模型。
2.在线性回归模型中,特征和目标变量,特别是目标变量的正态化,能有效降低模型的RMSE或RMSLE值(换言之,更准确)。经验上,一般将偏态skew的绝对值大于0.75的特征和目标变量进行正态化处理(这部分可以使用取对数log、boxcox转换实现)。
3.线形回归的基本假设之一就是随机项服从或近似服从正态分布,进行正态性检验就是看看数据适合不适合做回归。另外,在深度学习模型中,正态化的数据也能一定程度上加快模型学习率。