要解决偏斜数据，您可以进行数据转换，例如对数转换、平方转换等。

或者，您可以尝试不假设 x 变量的正态性的非参数机器学习算法。

希望这会有所帮助....

有几种技术可以处理这些数据，例如：

1. 温莎化
2. 剪裁
3. 移除

您可以继续进行，而不必担心缺少正常数据。去运行你的 SVM。

即使在线性回归中，关于正态性的常见假设也与误差项有关。此外，该假设不是预测的一部分。高斯-马尔可夫定理不假设一个正态误差项，所以$\hat{\beta}=(X^TX)^{-1}X^Ty$无论误差项是否正常，参数估计都是最好的线性无偏估计量。

当我们确实对正常误差项做出假设时，那是为了帮助我们进行参数推断，而不是预测。

不过，那是在响应变量的一边。对于预测变量，我们绝对不对正态性做出任何假设，甚至对参数推断也不做任何假设。

因此，请随意运行您的 SVM，而不必担心您的数据缺乏正态分布。

这似乎与您的特定场景非常相关。

https://scikit-learn.org/stable/auto_examples/svm/plot_separating_hyperplane_unbalanced.html

还要考虑预处理选项。1) 重新调整数据 2) 标准化数据 3) 标准化数据

有关执行这些操作的一些（非常简单的）方法，请参见下面的链接。

https://machinelearningmastery.com/prepare-data-machine-learning-python-scikit-learn/

应该这样做！！