@创建于:20210322
@修改于:20210322
1、简介
Box-Cox变换是Box和Cox在1964年提出的一种广义幂变换方法,是统计建模中常用的一种数据变换,用于连续的响应变量不满足正态分布的情况。
- Box-Cox变换之后,可以一定程度上减小不可观测的误差和预测变量的相关性。
- Box-Cox变换的主要特点是引入一个参数,通过数据本身估计该参数进而确定应采取的数据变换形式,Box-Cox变换可以明显地改善数据的正态性、对称性和方差相等性,对许多实际数据都是行之有效的。
- Box-Cox变换即将数据转换为满足正态分布的数据
2、理论知识
(1)数学公式
(2)特殊情况
当 λ 分别取下列数值时,我们会得到一系列耳熟能详的函数
一般常用的是整数,若计算的
λ
\lambda
λ为非整数时,可以使用其临近的值。
3、python使用
(1)非负性
python中,Box-Cox的y>0,否则会报错,即:ValueError: Data must be positive.
所以对于y<0的情况,可以给y加上一个常数C进行调整,即得如下所示:
(2)正向Box-Cox使用
首先该变换均在scipy模块之下,主要有以下两个地方:
from scipy.stats import boxcox # 1
from scipy.special import boxcox # 2
区别在于,1中包含了box-cox中的lambda计算(即不需要给函数boxcox输入参数lmbda,boxcox返回值中就有lambda),所以其格式为:
y, lambda0 = boxcox(x, lmbda=None, alpha=None)
lambda的计算方法一般为最大似然估计方法和Bayes方法。
而2中不包含lambda的计算,所以其函数参数必填的为数据data和lambda。
y = boxcox(x1, x2, *args, **kwargs)
(3)逆向Box-Cox变换
通常我们在Box-cox变换之后,将预处理后的数据投入到模型中进行训练,如果变换处理的是标签,那么还需要对测试集的预测值进行反Box-Cox变换,Python实现如下:
from scipy.special import inv_boxcox
y = inv_boxcox(x1, lambda)
其中x为需要进行反Box-Cox变换的数据,lamda为训练集Box-Cox时使用的lambda,一般即为上文中stats.boxcox()返回的第二个参数。需要注意:如果在训练集Box-Cox变换时使用了C常数进行了自变量的非零处理,那么还需要再反变换之后减去这个C常数。