去偏態的問題 - Cupoy

在進行模型（羅吉斯回歸）訓練的時候，由於有好幾筆數值資料都呈現偏態的情況，因此將數個明顯偏態的特徵，用 box cox 進行去偏態處理，結果outpout出來的tatgert的比率都是0.5，衡量結果比沒有去偏態還差。原則上去偏態不是應該提升訓練的結果嗎？怎麼會有這種大大降低訓練結果的狀況？

回答列表

• 2019/10/09 下午 00:09
  陳明佑 (Ming You Chen)
  贊同數：1
  不贊同數：0
  留言數：1

  這種情況可能發生在 : 目標資料對於較大值敏感的時候

  比方說特定的消費資料 (奢侈品/聖誕節...之類的)

  也有可能原本的資料就被調整過 (ex : 競賽中的消費金額)

  這時候, 如果設立門檻特徵 (ex: df['is_over'] = df['some_column']>100), 就可能比較有效

  
  

  因此, 我們教材的目的,  並不是告訴同學哪個特徵工程/前處理方式"一定"特別好

  而是展示不同的處理方式, 讓同學理解到有哪些作法可用

  至於特徵本身該挑哪些, 主要取決於你的資料特性而定, 不是永遠都適用的

• 2019/10/10 上午 01:34
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  想問問 @明佑 專家的意見，所以原問題中「去偏態不是應該提升訓練的結果」這句話應該是不一定的嗎？那請問進行去偏態的目的是什麼？