Нормализация распределения

Все темы Data Scientist

Приведите методы преобразования ненормального распределения к нормальному.

Основные методы преобразования ненормального распределения к нормальному:

1. Преобразование Бокса-Кокса (Box-Cox Transformation): Это семейство преобразований, которое преобразует данные так, чтобы они приближались к нормальному распределению. Он зависит от параметра λ, который можно подобрать для оптимального преобразования.

2. Преобразование Йео-Джонсона (Yeo-Johnson Transformation): Это обобщение преобразования Бокса-Кокса, которое также может работать с отрицательными значениями и нулями.

3. Квантильное преобразование: сначала оценивает положение значения в эмпирическом распределении, затем отображает его в выбранное распределение, например нормальное. В QuantileTransformer для этого задают output_distribution=“normal”.

4. RobustScaler центрирует данные по медиане и масштабирует по межквартильному размаху. Он устойчив к выбросам, но не превращает распределение в нормальное.