為何自變數(特徵)中若有非常態分布的情況下，去偏態會影響後續模型的好壞? - Cupoy

2021/01/21 下午 00:01

數值型特徵 - 去除偏態

SuYa

觀看數：262

回答數：4

收藏數：0

回答列表

• 2021/01/21 下午 01:41
  李柏霆
  贊同數：1
  不贊同數：0
  留言數：2

  ML中很多model都假設數據或參數服從正態分佈，簡單來說違反假設的東西想當然耳無法預期會有好的表現，所以要透過一個轉換來讓數據符合模型的假設

• 2021/01/21 下午 07:59
  Jeffrey
  贊同數：2
  不贊同數：0
  留言數：0

  可以參考這一篇: https://medium.com/ai%E5%8F%8D%E6%96%97%E5%9F%8E/learning-model-%E5%9B%9E%E6%AD%B8%E5%88%86%E6%9E%90%E7%9A%84%E5%9F%BA%E6%9C%AC%E5%81%87%E8%A8%AD-37d9880f214d

• 2021/01/23 上午 01:09
  張維元 (WeiYuan)
  贊同數：4
  不贊同數：0
  留言數：0

  嗨，你好
  因為大部分的模型都是依據趨勢找關係，在常態的情況下趨勢是比較明顯的，關西也比較容易被模型所識別。
  

  嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 或 技術部落格 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ

• 2021/04/09 下午 09:00
  Rene Wang
  贊同數：0
  不贊同數：0
  留言數：0

  對於使用梯度下降來達到最佳值的機械學習演算法，對自變數做標準化是很重要的一個工程，因為它會影響梯度下降法的效能。詳細的原因可以看這篇 [病態（ill-conditioning）二階導數矩陣](https://vocus.cc/girlsletscode/5e816bd2fd89780001a77351)