log化:可以对向左偏态,不满足正太分布的特征正态化。
z-score标准化:用的比较多,是最常用的标准化之一,从公式看其不太容易受异常值影响。
max-min最大最小归一化:最大特点是能把数据规整到0-1之间,但是最大最小值容易受到异常值影响。
box-cox转换,如下图(左上角的图就是log化),利用极大似然估计特征的偏态情况,并利用公式对其转换成近似的正太分布。如果左偏就用左上角的log进行转换,如果右偏态就用右下角的图示进行正太转换。
那为什么要将特征和标签正太化呢?可以拿简单的线性回归举例子,如果一个特征和一个标签都满足正太分布,那么其更容易用线性公式拟合,所以效果会更好一些。