有关数据预处理的两个函数问题——log1p、expm1
log1p优点:
- 在数据预处理时首先可以对偏度比较大的数据用log1p函数进行转化,使其更加服从高斯分布,此步处理可能会使我们后续的分类结果得到一个更好的结果;
- 因为平滑处理很容易被忽略掉,导致模型的结果总是达不到一定的标准,当我们使用逼格更高的log1p进行数据平滑处理时,能避免复值得问题——复值指一个自变量对应多个因变量;
log1p、expm1互为逆运算
- log1p的使用就像是将一个数据压缩到了一个区间,与数据的标准化类似。下面再说说它的逆运算expm1函数。
- 由于前面使用过log1p将数据进行了压缩,所以最后需要记得将预测出的平滑数据进行一个还原,而还原过程就是log1p的逆运算expm1。
log1p、expm1具体的数学含义
log1p函数有它存在的意义,即保证了x数据的有效性,当x很小时(如 两个数值相减后得到),由于太小超过数值有效性,用计算得到结果为0,换作log1p则计算得到一个很小却不为0的结果,这便是它的意义(好像是用泰勒公式来展开运算的,不确定)。
同样的道理对于expm1,当x特别小,就会急剧下降出现如上问题,甚至出现错误值。
在最开始看到这样的处理方式的时候,不是很理解包括为什么是逆运算(一下子没有想到),后来慢慢摸索就优点清晰了,比如为什么两这是逆运算(简单处理):
是e为底的对数,是e为底的指数,根据对数的规则,再进行变换推导可以得到:
可以看到x经过对数的处理后,再经过指数处理再次得到x,这里对两者的逆运算做了简单的介绍。
————————————————
原文链接:https://blog.csdn.net/qq_36523839/article/details/82422865