QuantileTransformer 和 PowerTransformer 的区别

Question

在 sklearn 中，QuantileTransformer 的文档说

该方法将特征转换为遵循均匀或正态分布

PowerTransformer 的文件说，

应用幂变换特征使数据更像高斯

似乎它们都可以将特征转换为高斯/正态分布。 在这方面以及何时使用哪个方面有什么区别？

Answer 1

他们使用的术语令人困惑，因为高斯分布和正态分布实际上是相同的。

QuantileTransformer 和 PowerTransformer 都是非线性的。

要根据https://scikit-learn.org回答您关于究竟有什么区别的问题：

“QuantileTransformer 提供非线性变换，其中边缘异常值和内点之间的距离缩小。PowerTransformer 提供非线性变换，其中数据映射到正态分布以稳定方差并最小化偏度。”

来源和更多信息在这里： https://scikit-learn.org/stable/auto_examples/preprocessing/plot_all_scaling.html#:~:text=QuantileTransformer%20provides%20non%2Dlinear%20transformations,stabilize%20variance%20and%20minimize%20skewness .

Answer 2

主要区别在于PowerTransformer()是参数化的，而QuantileTransformer()是非参数化的。 Box-Cox 或 Yeo-Johnson 将使您的数据看起来更“正常”（即不那么偏斜且更居中），但它通常与完美的高斯相距甚远。 QuantileTransformer(output_distribution='normal')结果通常看起来更接近高斯分布，但代价是线性关系扭曲得更多。 我相信没有经验法则可以决定在特定情况下哪个会更好，但值得注意的是，在执行GridSearchCV()时，您可以在管道中使用 select 最佳缩放器。