建模时对因变量的处理

一、查看因变量的分布

（一）连续

sns.displot(y)  # defaul kde=True有和密度曲线

（二）离散

df.x.value_counts()

二、修正因变量的分布

（一）查看因变量的分布

大部分模型，尤其是线性模型，需要因变脸y服从正态分布。如果y不服从正态分布，可以尝试用

import scipy.stats as st
y = Train_data['price']

plt.figure(2); plt.title('Normal')
sns.distplot(y, kde=False, fit=st.norm)  # kde=False不显示核密度曲线，查看直方图与指定分布地贴合程度

plt.figure(1); plt.title('Johnson SU')
sns.distplot(y, kde=False, fit=st.johnsonsu)   # 无界约翰逊分布

plt.figure(3); plt.title('Log Normal')
sns.distplot(y, kde=False, fit=st.lognorm)    

（二）log变换

• 问题：随着时间序列，y的方差变大
• 建模需要满足的假设：方差齐性假设，使y的变换更加平滑
• 方法：log变换

（三）正态变换

• 方法：box-cox变换