我有一个关于变量跟随或不是随机分布的问题。我选择了 4 个与标签负相关的特征（欺诈/无欺诈）。我从中获得灵感的笔记本绘制了关于标签的这些特征的分布。结果是我的功能 1（仅限欺诈）遵循正态分布。
这是我的问题：
- 为什么知道我的特征是否遵循正态分布很重要？-> 我的猜测：有些模型需要它来加快收敛或获得更好的结果
- 是否有兴趣将我的功能可视化为非欺诈与欺诈并比较分布？
- 如果我的特征不遵循正态分布但被缩放，我是否仍应将它们强制为类似高斯的形状？
非常感谢你 ！
特征和高斯分布（分类）
数据挖掘
机器学习
特征选择
可视化
2022-02-22 03:58:17
1个回答
- 这完全取决于模型的类型。有些模型需要用参数来表示特征：例如带有数值特征的朴素贝叶斯需要有一种方法来根据值计算概率，最常见的情况是假设特征服从正态分布。另一方面，一个特征是否正态分布对于决策树来说根本不重要。
- 是的，为了知道这个特征是否是一个好的指标，它可以提供非常丰富的信息：分布越不同，算法就越容易使用这个特征来区分类别。
- 不，不要更改特征的分布（除非您有特定的理由这样做，例如基于此特定数据的专家知识）。你这样做的任何方式肯定会改变数据的整体分布和/或特征在实例中的相关方式，因此模型不会从真实分布中学习，因此它对真实数据的预测可能会出错。
其它你可能感兴趣的问题