Преобразование данных - важная часть набора инструментов специалиста по данным. Поскольку мы изменяем данные, мы должны быть осторожны с методами и причинами, которые мы используем для этих манипуляций. В этой статье мы рассмотрим использование модуля силового трансформатора sklearn , который содержит как преобразование Бокса-Кокса, так и преобразование Йео-Джонсона. Наиболее распространенное статистическое предположение, которое делают ученые, состоит в том, что их данные получены..

В этой статье обсуждаются преобразования, которые делают распределение вашей переменной более похожим на распределение Гаусса. В моей предыдущей статье ( Как узнать, является ли распределение моей переменной гауссовым? ) мы обсуждали методы определения того, выглядит ли распределение переменной гауссовым. Из этой статьи было обнаружено, что распределения переменных 0 и 1 набора данных Iris были ближе к распределению Гаусса, в то время как распределение переменных 2 и 3 было..