Box Cox一般用于改善因变量的分布，使残差满足独立性和正态性，提高线性模型的性能。
但是我在kaggle的notebook中，看到一些大神也会对偏态分布的特征进行box cox变换，但我想不明白其中的意义。
看相关文章，大多都是围绕对因变量做变换，没有涉及对特征的box-cox变换的讲解。我调试了一下，发现对特征进行变换，性能甚至略微下降。
所以非常好奇这一点，是否有必要对偏态特征也进行box cox变换？如果是，其中的原理是什么？
希望各位大神们赐教，感激不尽！！！
1个回答
对特征进行变换，也就是所谓的特征工程，是比较复杂的，没有一统天下的理论，都是根据实战得到的。
对于决策树，随机森林，boosting，这类跟树相关的模型，对特征做box cox，对最后的结果基本不会有影响。
对于线性模型来说，我们需要满足特征与目标成线性关系的假设。有时候只调整y的分布，未必能够满足所有的特征，所以有时候也对x进行调整。
还有一种情况是在做pca降维的时候，可以先对特征做一次预处理，把特征转成类似正态，对pca的稳定性也是有帮助的。
SofaSofa数据科学社区DS面试题库 DS面经
strong.man
2020-05-02 14:45
非常感谢您的解答，受教了！！
-
努力成为数据大湿
2020-05-03 21:28
我附议！！！树模型对变量的大小不敏感，对其分布还是敏感的，它是根据信息增益寻找最佳节点分裂(分类树)，希望能解答一下？
-
Cypher
2020-12-24 18:12
应该也不敏感吧，和变量的数值分布无关，只和变量数据里的大小顺序相关
-
strong.man
2021-01-02 15:50
相关讨论
随便看看